GraphKAN: 利用图 Kolmogorov Arnold 网络增强特征提取
机器学习
2024-06-21 v1 人工智能
摘要
大量应用涉及嵌入非欧几里得空间中具有内在关系的数据。图神经网络（GNNs）用于通过捕获图内的依赖关系来提取特征。尽管已取得突破性成果，但我们认为，多层感知器（MLPs）和固定激活函数会因信息损失而阻碍特征提取。灵感来自 Kolmogorov Arnold 网络（KANs），我们首次尝试将 KANs 应用于 GNNs。我们放弃 MLPs 和激活函数，而改用 KANs 进行特征提取。实验表明 GraphKAN 的有效性，强调了 KANs 作为强大工具的潜力。代码可在 https://github.com/Ryanfzhang/GraphKan 获取。
引用
@article{arxiv.2406.13597,
title = {GraphKAN: Enhancing Feature Extraction with Graph Kolmogorov Arnold Networks},
author = {Fan Zhang and Xin Zhang},
journal= {arXiv preprint arXiv:2406.13597},
year = {2024}
}