切比雪夫近似GNN算法

Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

Summary

通过用切比雪夫多项式近似频域权重矩阵的方式,解决了原始方法存在的两个主要问题,在速度与精度上均有提升.

Research Objective

对原始的GNN频域建模算法进行改进.

Problem Statement

频域上的图卷积存在两个问题"1)参数矩阵W的参数复杂度与图的节点数线性正相关;2)频域卷积不具有局部感受野"另外,求特征向量的计算复杂度较高,不适用于实时场景下的大图计算

Method(s)

频域卷积可以定义为$$g_{\theta }\star x=U{g}_{\theta }{U}^{\top }x$$其中$U$是归一化拉普拉斯矩阵的特征向量$L=I_N-D^{-\frac{1}{2}}A{D}^{-\frac{1}{2}}$