如何通过通用多项式基加强光谱图神经网络:异质性、过度平滑和过度压缩
原文中文,约300字,阅读约需1分钟。发表于: 。基于谱图神经网络和多项式滤波器,本研究提出了一种新颖的自适应异质基础,通过理论分析探索了期望多项式基与异质性程度之间的内在关联,并将其与同质性基础相结合,构建了一个多项式滤波器的图神经网络 UniFilter,成功优化了卷积和传播过程,在各种异质性程度的真实和合成数据集上进行的大量实验证明了 UniFilter 的优越性,同时突出了 UniBasis 在图解释方面的能力。
本研究提出了一种新颖的自适应异质基础UniBasis,通过理论分析探索了期望多项式基与异质性程度之间的内在关联,并将其与同质性基础相结合,构建了一个多项式滤波器的图神经网络UniFilter。实验证明了UniFilter在各种异质性程度的数据集上的优越性,同时突出了UniBasis在图解释方面的能力。