具有快速局部谱滤波的图卷积神经网络
机器学习
2017-02-07 v3 机器学习
摘要
本文致力于将卷积神经网络（CNNs）从表示图像、视频和语音的低维规则网格推广到由图表示的高维不规则域，如社交网络、脑连接组或词嵌入。我们提出了在谱图理论背景下的CNNs表述，其提供了必要的数学背景和高效数值方案以设计图上的快速局部卷积滤波器。重要的是，所提技术提供了与经典CNNs相同的线性计算复杂度和常数学习复杂度，同时适用于任意图结构。在MNIST和20NEWS上的实验证明了这一新颖深度学习系统学习图上局部、平稳和组合特征的能力。
引用
@article{arxiv.1606.09375,
title = {Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering},
author = {Michaël Defferrard and Xavier Bresson and Pierre Vandergheynst},
journal= {arXiv preprint arXiv:1606.09375},
year = {2017}
}
备注
NIPS 2016 final revision