10.16451/j.cnki.issn1003-6059.202209006
基于粗糙图的图卷积神经网络算法
图卷积神经网络在解决节点分类问题时,使用拓扑图刻画节点间关系,并根据该拓扑图进行节点特征更新.然而,传统的拓扑图只能刻画节点之间的确定关系(即连接边权重为固定值),忽略真实世界中广泛存在的不确定性.这些不确定性不仅影响节点之间的关系,同时影响模型最终的分类性能.为了克服该缺陷,文中提出基于粗糙图的图卷积神经网络算法.首先,使用上下近似理论和传统拓扑图的边理论构造粗糙边,在粗糙边中使用成对出现的最大-最小关系值刻画节点之间的不确定关系,从而构建粗糙图.然后,设计基于粗糙图的可端到端训练的神经网络架构,将使用粗糙权重系数训练后的粗糙图输入图卷积神经网络,使用这些不确定信息更新节点特征.最后,根据这些学习的节点特征进行节点分类.在真实数据上的实验表明,文中算法可提高节点分类的准确率.
图卷积神经网络、拓扑图、粗糙集、粗糙图、不确定关系
35
TP18(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;江苏省自然科学基金;江苏省双创博士计划;江苏省高等学校自然科学研究重大项目;江苏省高等学校自然科学研究面上项目;南通市科技局基础科学研究项目;南通市科技局基础科学研究项目;中国博士后科学基金;教育部人文社会科学研究项目
2022-10-24(万方平台首次上网日期,不代表论文的发表时间)
共12页
827-838