本文从图信号的低通滤波特性出发，探讨了图神经网络（GNN）层数增加可能导致的过平滑问题。通过分析节点的图傅里叶变换和拉普拉斯矩阵，指出叠加过多的GNN层会使图信号趋向于某一节点特征，这限制了网络的表现。作者提出了可能存在的问题，并引发对合理堆叠GNN层的思考。
针对图信号的低通滤波特性：
不好意思放错了，是这个：
（请忽略我寒酸的草稿纸和顺时针90°的格式…貌似CSDN的编辑器没有能旋转的功能呢）
不影响不影响，截图然后旋转就行啦（涩图都给你们了，别在意这些细节~）
发现这个图信号在和其特征矩阵做相似性度量的内积。而在图谱领域里，节点的图信号与特征向量做内积其结果就是图的傅里叶变换，也由此有图的拉普拉斯矩阵： L x = V λ V T x = < x ⋅ v > v = x ^ v Lx = V\lambda V^Tx=<x·v>v=\hat xv Lx=Vλ
最低0.47元/天 解锁文章
2430
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
