基于图神经网络的图像信号采样与恢复
机器学习
2020-11-04 v1 社会与信息网络
信号处理
摘要
我们分别提出了用于图信号采样与恢复的可解释图神经网络。为获取信息量丰富的测量值，我们提出了一种新的图神经采样模块，旨在选择那些能最大程度表达其对应邻域的顶点。这种表达性可通过顶点特征与邻域特征之间的互信息来量化，并由图神经网络进行估计。为从采样测量值中重建原始图信号，我们基于算法展开技术提出了图神经恢复模块。与以往解析式的采样与恢复相比，所提方法能够利用神经网络的学习能力灵活地从数据中学习多种图信号模型；与以往基于神经网络的采样与恢复相比，所提方法通过利用特定图性质进行设计并提供可解释性。我们进一步设计了一种新的多尺度图神经网络，它是一个可训练的多尺度图滤波器组，可处理各种图相关学习任务。该多尺度网络利用所提图神经采样与恢复模块来实现图的多尺度表示。在实验中，我们展示了所提图神经采样与恢复模块的效果，并发现这些模块能灵活适应各种图结构与图信号。在基于主动采样的半监督学习任务中，图神经采样模块在 Cora 数据集上将分类准确率提升了超过 10%。我们进一步在多个标准数据集上验证了所提多尺度图神经网络在顶点分类和图分类上的性能，结果表明我们的方法持续提高了分类准确率。
引用
@article{arxiv.2011.01412,
title = {Sampling and Recovery of Graph Signals based on Graph Neural Networks},
author = {Siheng Chen and Maosen Li and Ya Zhang},
journal= {arXiv preprint arXiv:2011.01412},
year = {2020}
}