AGCN：自适应图大小的图卷积网络模型
Posted DreamHub
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了AGCN：自适应图大小的图卷积网络模型相关的知识，希望对你有一定的参考价值。
❝论文标题 ｜ Adaptive Graph Convolutional Neural Networks
论文来源 ｜ AAAI 2018
论文链接 ｜ https://arxiv.org/abs/1801.03226[1]
源码链接 ｜ https://github.com/uta-smile/Adaptive-Graph-Convolutional-Network[2]
❞
TL;DR
目前大部分 GCN 模型都是在固定大小的图结构上进行卷积操作，但现实中图的大小和结构都是不同的，因此这篇论文中提出一个通用且灵活的图卷积网络 AGCN 来解决这些问题。在训练过程中学习对于任意输入的图学习到一个任务驱动的自适应图表示，并且引入距离度量学习来更有效地学习图表示。实验过程中在九个图数据集中验证了本文提出的模型具有较高的收敛性和预测准确率。
Algorithm/Model
论文中提出的 AGCN 模型架构如下图所示：
从上面的模型图结构可知，AGCN 主要创新是使用 「SGC_LL」 卷积层来对不同大小的图进行卷积，当然模型中还有其他结构包括 Bilateral Filtering 、Graph Gather 结构等。下面主要来讲讲 SGC_LL layer 的设计思想
SGC-LL Layer
SGC-LL Layer 的主要作用是可以适应不同结构和大小的图来进行卷积操作，论文中主要引入了距离度量来参数化图拉普拉斯算法。
以上是关于AGCN：自适应图大小的图卷积网络模型的主要内容，如果未能解决你的问题，请参考以下文章
GCN图卷积网络初探——基于图（Graph）的傅里叶变换和卷积