具有随机图扰动的时空图神经网络
机器学习
2022-10-31 v1 信号处理
摘要
时空图神经网络（ST-GNN）是近来开发的用于学习时变数据高效图表示的架构。由于其稳定性以及在各智能体间尊重通信延迟的能力，ST-GNN 在多智能体系统中尤为有用。在本文中，我们重新审视 ST-GNN 的稳定性性质，并证明它们对随机图扰动是稳定的。我们的分析表明，ST-GNN 适用于时变图上的迁移学习，并支持设计联合处理时变图与时变信号的广义卷积架构。在分散控制系统上的数值实验验证了我们的理论结果，并展示了传统与广义 ST-GNN 架构的优势。
引用
@article{arxiv.2210.16270,
title = {Space-Time Graph Neural Networks with Stochastic Graph Perturbations},
author = {Samar Hadou and Charilaos Kanatsoulis and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:2210.16270},
year = {2022}
}