图卷积神经网络的稳定性:小扰动分析视角
原文中文,约300字,阅读约需1分钟。发表于: 。本文研究了图卷积神经网络在图拓扑的随机小扰动下的稳定性问题,通过导出了一个新的界限,明确了未经扰动和经扰动图卷积神经网络输出之间的期望差异,该界限明确取决于拉普拉斯矩阵特征对的扰动程度以及插入或删除的边。在此基础上,我们定量地描述了特定边的扰动对网络稳定性的影响,并利用小扰动分析工具来以闭合但近似的形式表达界限,以提高结果的解释性,而无需计算任何扰动移位运算符。最后,我们对所提出的界限的有效...
本文研究了图卷积神经网络在图拓扑的随机小扰动下的稳定性问题,通过导出一个新的界限,明确了未经扰动和经扰动图卷积神经网络输出之间的期望差异。界限取决于拉普拉斯矩阵特征对的扰动程度和插入或删除的边。通过小扰动分析工具,定量描述了特定边的扰动对网络稳定性的影响。数值评估证明了界限的有效性。