异步循环图神经网络中边剪枝的谱理论
机器学习
2025-02-26 v1 人工智能
摘要
图神经网络（GNNs）已成为处理图结构数据的强大工具，在包括社交网络分析和分子生物学在内的众多领域中得到了应用。在这一大类中，异步循环图神经网络（ARGNNs）因其能够捕捉动态图中复杂的依赖关系而脱颖而出，类似于生物体错综复杂且自适应的特性。然而，其复杂性通常会导致模型庞大且计算成本高昂。因此，剪枝不必要的边对于在不显著影响性能的情况下提高效率至关重要。本文提出了一种基于图谱理论的动态剪枝方法，利用了网络图拉普拉斯算子特征值的虚部。
引用
@article{arxiv.2502.17522,
title = {Spectral Theory for Edge Pruning in Asynchronous Recurrent Graph Neural Networks},
author = {Nicolas Bessone},
journal= {arXiv preprint arXiv:2502.17522},
year = {2025}
}