正则化理论框架下谱图卷积神经网络的滤波器设计
机器学习
2020-09-30 v1 机器学习
摘要
图卷积神经网络（GCNNs）已广泛用于图学习。已观察到图上的平滑泛函可用图拉普拉斯算子定义。这一事实指向在图上推导正则化算子时使用拉普拉斯算子，并随之用于谱GCNN滤波器设计。本工作中，我们探究图拉普拉斯算子的正则化性质，并提出谱GCNN中正则化滤波器设计的广义框架。我们发现许多最先进GCNN使用的滤波器可作为我们所开发框架的特例导出。我们设计了与明确定义的正则化行为相关的新滤波器，并在半监督节点分类任务上测试其性能。发现其性能优于其他最先进技术。
引用
@article{arxiv.2009.13801,
title = {Framework for Designing Filters of Spectral Graph Convolutional Neural Networks in the Context of Regularization Theory},
author = {Asif Salim and Sumitra S},
journal= {arXiv preprint arXiv:2009.13801},
year = {2020}
}