论文题目:BernNet: Learning Arbitrary Graph Spectral Filters via Bernstein Approximation

作者:何明国,魏哲巍,黄增峰,许洪腾

通讯作者:魏哲巍,许洪腾

论文概述:当前许多具有代表性的图神经网络,如GPR-GNN和ChebNet,都使用图谱滤波器来近似图卷积。然而,现有的工作要么使用预定义的滤波器权重,要么在没有约束的情况下学习滤波器权重,这可能会导致滤波器过于简单或者不合理。为了克服这些问题,我们提出了BernNet,这是一种具有理论支持的新型图神经网络,它为设计和学习任意图谱滤波器提供了一种简单而有效的方案。对于图归一化拉普拉斯谱上的任何滤波器,BernNet通过一个K阶的Bernstein多项式逼近来估计它,并通过设置Bernstein基的系数来设计它的谱性质。我们的实验表明,BernNet可以学习任意的谱滤波器,包括复杂的带阻滤波器和梳状滤波器,并且在真实数据集图节点分类任务中取得了优异的性能。

https://www.zhuanzhi.ai/paper/208d8b242ea6738f702d164708ac5d76

成为VIP会员查看完整内容
9

相关内容

【NeurIPS 2021】学会学习图拓扑
专知会员服务
24+阅读 · 2021年10月22日
专知会员服务
15+阅读 · 2021年10月4日
专知会员服务
23+阅读 · 2021年9月22日
【NeurIPS2020】可靠图神经网络鲁棒聚合
专知会员服务
18+阅读 · 2020年11月6日
专知会员服务
45+阅读 · 2020年10月22日
八篇NeurIPS 2019【图神经网络(GNN)】相关论文
专知会员服务
43+阅读 · 2020年1月10日
图神经网络三剑客:GCN、GAT与GraphSAGE
PaperWeekly
63+阅读 · 2020年2月27日
在稀疏和欠明确奖励中学习泛化
谷歌开发者
6+阅读 · 2019年3月20日
【泡泡一分钟】学习多视图相似度(ICCV-2017)
泡泡机器人SLAM
9+阅读 · 2018年10月7日
Arxiv
13+阅读 · 2021年7月20日
Arxiv
9+阅读 · 2020年10月29日
Arxiv
19+阅读 · 2019年11月23日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
4+阅读 · 2019年4月9日
Arxiv
3+阅读 · 2018年2月7日
VIP会员
相关VIP内容
【NeurIPS 2021】学会学习图拓扑
专知会员服务
24+阅读 · 2021年10月22日
专知会员服务
15+阅读 · 2021年10月4日
专知会员服务
23+阅读 · 2021年9月22日
【NeurIPS2020】可靠图神经网络鲁棒聚合
专知会员服务
18+阅读 · 2020年11月6日
专知会员服务
45+阅读 · 2020年10月22日
八篇NeurIPS 2019【图神经网络(GNN)】相关论文
专知会员服务
43+阅读 · 2020年1月10日
相关资讯
微信扫码咨询专知VIP会员