拓扑自适应图卷积网络
机器学习
2018-02-13 v5 机器学习
摘要
谱图卷积神经网络（CNN）需要对卷积进行近似以缓解计算复杂度，从而导致性能损失。本文提出拓扑自适应图卷积网络（TAGCN），一种定义在顶点域上的新型图卷积网络。我们提供了一种系统的方法，设计一组固定大小的可学习滤波器来对图执行卷积。这些滤波器的拓扑结构在扫描图以执行卷积时会自适应于图的拓扑。TAGCN不仅继承了CNN中针对网格结构数据的卷积性质，而且与图信号处理中定义的卷积一致。由于不需要对卷积进行近似，TAGCN在多个数据集上表现出优于现有谱CNN的性能，并且在计算上也比其它近期方法更简单。
引用
@article{arxiv.1710.10370,
title = {Topology Adaptive Graph Convolutional Networks},
author = {Jian Du and Shanghang Zhang and Guanhang Wu and Jose M. F. Moura and Soummya Kar},
journal= {arXiv preprint arXiv:1710.10370},
year = {2018}
}
备注
13 pages