基于小波变换的图卷积神经网络
首先,图上的卷积应当如何定义.
大部分给出公式,但是为什么是这么一个公式?
知乎专栏
这种类比推理进行解释,
其实更加本质,
也会带来更多的灵感,
值得学习.
keypoint:
- 拉普拉斯算子就是在所有自由度进行微小变化后获得的增益
- Graph的自由度为N
最后导出,
是一个实对称矩阵,所以有很好性质,n个互相正交特征向量,对应n个非负特征值。
Spectral networks and locally connected networks on graphs. ICLR 2014
离实际应用还有gap,对于基底意义不晓得
wavelets on graphs via spectral graph theory. Applied and Computational Harmonic Analysis,2011.
- 基底非常稀疏
- 小波每个基底有局部性
- 超参
用来调节邻居范围.
GWNN
参数复杂度为,用在图上半监督节点分类,带标签样本太少,参数过多
网友评论