稀疏扩散卷积神经网络
机器学习
2017-10-27 v1
摘要
扩散卷积神经网络（Diffusion-convolutional neural networks, DCNN）的预测能力与总体计算效率使其成为节点分类任务的有吸引力的选择。然而，基于朴素稠密张量的 DCNN 实现会导致 的内存复杂度，这对于大图而言是不可行的。在本文中，我们引入一种对输入图进行阈值的简单方法，可证明将 DCNN 的内存需求降至 O(N)（即关于输入中节点数的线性），且不会显著影响预测性能。
引用
@article{arxiv.1710.09813,
title = {Sparse Diffusion-Convolutional Neural Networks},
author = {James Atwood and Siddharth Pal and Don Towsley and Ananthram Swami},
journal= {arXiv preprint arXiv:1710.09813},
year = {2017}
}
备注
7 pages, 4 figures