用于异常检测的图平滑卷积网络
机器学习
2023-10-17 v3 人工智能
摘要
图卷积是众多图结构数据深度神经网络的基本构建模块。本文提出一种简洁却十分有效的带跳跃连接的图卷积网络,用于半监督异常检测。我们模型的逐层传播规则在理论上受几何处理中隐式平滑概念的启发,包含一个用于聚合直接邻节点信息的图卷积模块与一个用于组合逐层邻域表示的跳跃连接模块。该传播规则由隐式平滑方程的 Jacobi 法迭代解导出。除通过层间跳跃连接捕获远端图节点信息外,我们的方法同时利用图结构与节点特征来学习具判别力的节点表示。这些跳跃连接按设计集成于我们所提网络架构中。在五个基准数据集上的大量实验证明了模型的有效性,相较强基线方法取得了更优或相当的异常检测结果。我们还通过消融实验表明跳跃连接有助于提升模型性能。
引用
@article{arxiv.2010.10274,
title = {Graph Fairing Convolutional Networks for Anomaly Detection},
author = {Mahsa Mesgaran and A. Ben Hamza},
journal= {arXiv preprint arXiv:2010.10274},
year = {2023}
}