框架小波消息传递
机器学习
2023-03-01 v1 人工智能
摘要
图神经网络（GNNs）在广泛应用中已取得领先性能。神经消息传递是通过聚合邻域特征进行特征传播的典型关键模块。本工作中，我们提出一种基于多尺度框架小波变换的新消息传递方法，称为框架小波消息传递（Framelet Message Passing）。不同于传统的空间方法，它在节点消息更新中整合了来自多跳之外邻节点的框架小波表示。我们还提出了使用神经 ODE 求解器的连续消息传递。由于框架小波的多尺度特性，离散与连续情形均可证明实现网络稳定性并限制过平滑。在真实图数据集上的数值实验表明，框架小波消息传递的连续版本在学习异质图时显著优于现有方法，并以低计算成本在经典节点分类任务上达到最先进性能。
引用
@article{arxiv.2302.14806,
title = {Framelet Message Passing},
author = {Xinliang Liu and Bingxin Zhou and Chutian Zhang and Yu Guang Wang},
journal= {arXiv preprint arXiv:2302.14806},
year = {2023}
}