「弱不禁风」的图神经网络

最新推荐文章于 2022-08-18 19:09:43 发布

weixin_45519842

最新推荐文章于 2022-08-18 19:09:43 发布

阅读量260

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_45519842/article/details/108470417

版权

本文探讨了图神经网络（GNN）的第二个局限性，即容易受到噪音和对抗攻击的影响，导致预测结果不准确。GNN在面对结构微小改动时可能产生大幅预测偏差。攻击包括改变节点特征和邻接矩阵，尽管实际攻击常见，但直接优化攻击过程具有挑战性，因为操作离散且每次攻击都需要重新训练模型。为解决这一问题，提出了贪婪搜索和简化训练过程的方法。实验表明，GNN对攻击极为敏感，微小攻击即可显著改变预测结果。文章最后提及了增强GNN鲁棒性的研究方向。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上一节讲到GNN的第一个局限是无法有效的区分某些图结构结构.

CS224W 18.1-Limitations of Graph Neural Network

本节就延续来讲GNN的第二个局限性

CS224W 18.2-Limitations of Graph Neural Network

GNN的第二个局限就是容易受到噪音的影响和对抗攻击,不够鲁棒.

在受到噪音/攻击的时候, GNN的预测结果很容易产生偏差.

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。