文件名称：GraphWaveletNeuralNetwork：“ Graph Wavelet神经网络”的PyTorch实现（ICLR 2019）
文件大小：4.11MB
文件格式：ZIP
更新时间：2024-02-26 21:45:57
machine-learning research deep-learning tensorflow sklearn
图小波神经网络 ⠀ 图小波神经网络的PyTorch实现（ICLR 2019）。 抽象 我们提出了图小波神经网络（GWNN），一种新颖的图卷积神经网络（CNN），它利用图小波变换来解决依赖于图傅立叶变换的先前频谱图CNN方法的缺点。 与图傅立叶变换不同，可以通过快速算法获得图小波变换，而无需矩阵本征分解，且计算量大。 此外，图小波稀疏并局限在顶点域，为图卷积提供了高效率和良好的可解释性。 在三个基准数据集：Cora，Citeseer和Pubmed的基于图的半监督分类任务中，提出的GWNN明显优于以前的光谱图CNN。 参考Tensorflow实现可在访问。 该存储库提供了Graph Wav
【文件预览】：
GraphWaveletNeuralNetwork-master
----gwnn.jpg(619KB)
----src()
--------param_parser.py(3KB)
--------gwnn.py(8KB)
--------utils.py(5KB)
--------gwnn_layer.py(6KB)
--------main.py(857B)
----LICENSE(34KB)
----.github()
--------FUNDING.yml(30B)
----paper.pdf(3.43MB)
----gwnn_run.jpg(154KB)
----README.md(6KB)
----input()
--------cora_target.csv(17KB)
--------cora_features.json(281KB)
--------cora_edges.csv(72KB)
----logs()
--------cora_logs.json(8KB)