通过牛顿插值学习用于频谱 GNN 的图滤波器
原文中文，约400字，阅读约需1分钟。发表于：。通过对频谱图神经网络的理论和实证分析，研究发现，低频滤波器与同质程度呈正相关关系，而高频滤波器呈负相关关系，为此引入了一种基于牛顿插值的形状感知正则化技术，使多项式频谱滤波器可以与所期望的同质程度对齐。大量实验证明了 NewtonNet 在同质和异质数据集上显示出优越性能。
本文介绍了如何将谱卷积网络扩展到有向图上，通过使用复分析和谱理论中的高级工具，证明了对图傅里叶变换的依赖是多余的。作者提供了对新开发的滤波器的频率响应解释，并在真实环境中进行了实验，展示了有向谱卷积网络在许多数据集上对异质节点分类提供了最新的最优结果，并且可以在不同拓扑扰动的分辨率尺度下保持稳定。
