图神经网络中的节点变体图滤波器
机器学习
2022-03-08 v2 信号处理
摘要
图神经网络（GNNs）已成功应用于大量涉及图信号的任务中。理论结果表明，GNNs 利用非线性激活函数产生低特征值频率内容，这些内容可由后续的图卷积滤波器以稳定方式处理。然而，非线性函数所产生的频率内容的确切形状未知且无法学习。在本工作中，我们使用节点变体图滤波器（NVGFs）——一种能够产生频率的线性滤波器——作为探究频率产生在 GNNs 中作用的一种手段。我们表明，通过将非线性激活函数替换为 NVGFs，频率产生机制可以被设计或学习。如此一来，频率产生的作用便与传统 GNNs 的非线性本质分离开来。我们在图信号处理问题上进行了仿真，以精确定位频率产生的作用。
引用
@article{arxiv.2106.00089,
title = {Node-Variant Graph Filters in Graph Neural Networks},
author = {Fernando Gama and Brendon G. Anderson and Somayeh Sojoudi},
journal= {arXiv preprint arXiv:2106.00089},
year = {2022}
}