具有卷积ARMA滤波器的图神经网络
机器学习
2021-04-07 v7 机器学习
摘要
流行的图神经网络基于多项式谱滤波器在图上实现卷积操作。本文中，我们受自回归移动平均（ARMA）滤波器启发，提出了一种新颖的图卷积层，与多项式滤波器相比，其提供更灵活的频率响应，对噪声更鲁棒，并更好地捕捉全局图结构。我们提出了一种具有递归和分布式公式的ARMA滤波器的图神经网络实现，获得了一种训练高效、在节点空间中局部化且可在测试时迁移到新图上的卷积层。我们进行了谱分析以研究所提ARMA层的滤波效果，并在四个下游任务上报告了实验：半监督节点分类、图信号分类、图分类和图回归。结果表明，所提ARMA层相比基于多项式滤波器的图神经网络带来了显著改进。
引用
@article{arxiv.1901.01343,
title = {Graph Neural Networks with convolutional ARMA filters},
author = {Filippo Maria Bianchi and Daniele Grattarola and Lorenzo Livi and Cesare Alippi},
journal= {arXiv preprint arXiv:1901.01343},
year = {2021}
}