本文探讨了自注意力机制在图信号处理中的局限性，提出了一种新方法——注意力图滤波器（AGF），通过奇异值域建模，提高了频率信息的利用效率。实验结果表明，AGF在多个任务中表现优异。

该文介绍了一种基于深度神经网络的情感分类方法，通过时空编码和循环注意网络块获取生理学表示，并应用图信号处理工具进行预处理。该方法在三个数据集上表现优异，其中在 DEAP 数据集上表现最佳。

本文介绍了利用图信号处理来表征图神经网络（GNNs）的表征空间，讨论了图卷积滤波器在GNNs中的作用，以及扩展了边变量和自回归移动平均图滤波器的GNNs的属性。最后，探讨了在推荐系统和学习机器人群体的分散式控制器中使用GNNs的相关研究。