单纯形卷积神经网络
机器学习
2021-10-07 v1 信号处理
摘要
图可通过节点及其成对关系构成的边来建模网络数据。近来，信号处理与神经网络已被扩展至处理并学习图上的数据，在图信号重建、图或节点分类以及链接预测等任务上取得成果。然而，这些方法仅适用于定义在图节点上的数据。本文中，我们提出一种单纯形卷积神经网络（SCNN）架构，以学习定义在单纯形（如节点、边、三角形等）上的数据。我们研究了SCNN的置换与定向等变性、复杂度及谱分析。最后，我们在合著复形上测试了SCNN用于引用填补的性能。
引用
@article{arxiv.2110.02585,
title = {Simplicial Convolutional Neural Networks},
author = {Maosheng Yang and Elvin Isufi and Geert Leus},
journal= {arXiv preprint arXiv:2110.02585},
year = {2021}
}
备注
5 Pages, 2 figures, 1 table, submitted to ICASSP 2022