稀疏而强大:构建对抗性鲁棒的图表彩票
原文中文,约300字,阅读约需1分钟。发表于: 。基于 Graph Lottery Tickets 和 adversarially robust graph sparsification 的研究,我们发现稀疏的邻接矩阵和稀疏的图神经网络能够显著减少推理延迟和计算占用空间。针对不同的结构扰动攻击,我们提出了 ARGS 框架,通过优化新的损失函数,对邻接矩阵和网络权重进行裁剪,以提高鲁棒性。我们的评估结果表明,ARGS 生成的 Graph...
提出了一种统一的GNN稀疏化框架,剪枝图邻接矩阵和模型权重,加速大规模图上的GNN推理。通过迭代应用UFS联合鉴定,GLT能在不影响预测性能的前提下实现小和大规模图数据集上的MACS节约。