Temel Kavramlar
異なるクラスからの接続ノードを考慮した高品質グラフの学習手法が重要である。
Özet
異種データにおける高品質グラフ構造学習の提案。ハイパスフィルターを適用して隣接ノードとの差異を増加させ、適応的な正規化により堅牢なグラフを学習。新しい正則化子を導入し、クラスタリングと半教師付き分類実験で効果を確認。既存手法と比較して優れた性能を示す。
İstatistikler
ハイパスフィルターは5回適用されました。
α-normは0.01から100までの値が使用されました。
βは100に設定されました。
Alıntılar
"Graph filtering produces a more discriminative representation by encoding the topology structure information into features."
"Our method surpasses current deep neural network methodologies."
"RGSL significantly dominates the baselines DAEGC and MSGA."