Kernkonzepte
スペクトルグラフニューラルネットワークの表現力を向上させるための固有値補正戦略が効果的であることを示す。
Zusammenfassung
スペクトルグラフニューラルネットワーク(SGNN)は、多項式フィルターによって特徴づけられ、ノード分類などのタスクで優れた性能を発揮している。
本論文では、SGNNの表現力に影響を与える重要な要素として、重複する固有値の存在が指摘されている。
固有値補正戦略は、元々の固有値と等間隔の新しい固有値を組み合わせて、固有値分布を均一化し、多項式フィルターの表現力を向上させる。
実験結果は、提案された手法が既存の手法よりも優れており、多様なデータセットで高い性能を示している。
Statistiken
正確性: 97.7%
フィッティング能力: 89.64%
ポリノーム次数: 11
Zitate
"提案された固有値補正戦略は、多項式フィルターの表現力を劇的に向上させます。"
"実験結果は、提案された手法が最先端の多項式フィルターよりも優れていることを明確に示しています。"