FiGLearn：基于最优传输的滤波器与图学习
机器学习
2020-10-30 v1
摘要
在许多应用中，数据集可被视为一组存在于未知底层图结构上的观测信号。其中部分信号可视为在图拓扑上由图滤波器过滤过的白噪声。因此，滤波器与图的知识为底层数据生成过程及数据集中出现的复杂交互提供了宝贵信息。为此，我们引入一种新颖的图信号处理框架，用于从信号观测中联合学习图及其生成滤波器。我们提出一个最小化信号观测分布与滤波后信号分布模型之间 Wasserstein 距离的新优化问题。我们所提方法在合成数据上优于最先进的图学习框架。随后我们将方法应用于温度异常数据集，并进一步展示该框架如何在仅有极少信息可用时推断缺失值。
引用
@article{arxiv.2010.15457,
title = {FiGLearn: Filter and Graph Learning using Optimal Transport},
author = {Matthias Minder and Zahra Farsijani and Dhruti Shah and Mireille El Gheche and Pascal Frossard},
journal= {arXiv preprint arXiv:2010.15457},
year = {2020}
}