从谱小波到顶点传播：基于泰勒近似的图卷积网络
信号处理
2020-12-01 v2 人工智能
摘要
图卷积网络（GCN）近来被用于从带有部分标注数据和高维特征的数据集中提取底层结构。现有 GCN 大多依赖于图小波核的一阶切比雪夫近似。这种通用传播模型并不总是适合各种数据集及其特征。本工作重新审视图小波的基础，并探索顶点域中信号传播的效用以近似谱小波核。我们首先推导了通过顶点传播表示图小波核的条件。接下来，我们提出了基于泰勒展开的 GCN 层的替代传播模型。我们进一步分析了 TGCN 的详细图表示的选择。在引文网络、多媒体数据集和合成图上的实验证明了基于泰勒的 GCN（TGCN）在节点分类问题上相对于传统 GCN 方法的优势。
引用
@article{arxiv.2007.00730,
title = {From Spectrum Wavelet to Vertex Propagation: Graph Convolutional Networks Based on Taylor Approximation},
author = {Songyang Zhang and Han Zhang and Shuguang Cui and Zhi Ding},
journal= {arXiv preprint arXiv:2007.00730},
year = {2020}
}