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 θ ⋆ x = U g θ U ⊤ x g_{\theta} \star x=U g_{\theta} U^{\top} x gθ⋆x=UgθU⊤x其中 U U U是归一化拉普拉斯矩阵的特征向量 L = I N − D − 1 2 A D − 1 2 = U Λ U ⊤ L=I_{N}-D^{-\frac{1}{2}} A D^{-\frac{1}{2}}=U \Lambda U^{\top} L=IN−D−21AD−21