图核函数
这篇综述文章介绍了在结构化数据学习中,图核函数及其相关发展十分引人瞩目和广泛应用。文章总结了近二十年来发展出的几十种图核函数,介绍了图核函数在社交网络及生物信息学等领域的成功应用,并提供了一些有关图核函数的应用和挑战的讨论。
Apr, 2019
本文介绍了图随机特征(GRFs)的机制,并对其进行了理论和实证分析。GRFs 可以用于构建基于图节点定义的多个重要核函数的无偏随机估计器。相比传统的图核函数算法,GRFs 具有显著的计算性能。此外,GRFs 还提供了一种简单的分布式算法以及其改进版本 q-GRFs 来优化 GRFs 的方差,尤其适用于解决具有正对称矩阵的线性方程组。
Apr, 2023
本研究总结了过去 15 年中用于核心基础图分类问题的技术,并在一系列基准测试和新数据集上对几种热门核进行了性能比对,发现对于某些数据集,简单的基准测试经过高斯 RBF 核转换后可以得到竞争性的结果;此外,还对现有的图核进行了实证研究,并据此得出了一个从数据角度出发的核分类方案。最后,基于实验结果,本文为核基础图分类提供了从实践角度出发的指南。
Mar, 2019
该研究提出了改进的图核函数 RWK+,引入了颜色匹配的随机游走并导出了高效的计算方法,进而提出了使用 RWK + 为核心的 KCN 模型 RWK+CN,通过无监督目标学习描述性图特征。此外,该研究还在实验中展示了 RWK + 的表达能力以及 RWK+Conv 层在图级任务上的有效性,并说明了 RWK + 和 RWK+Conv 在各种真实世界应用中的适应性。
Feb, 2024
该研究探讨了在一类称为 K - 图的特殊完全图上实现有效光谱图论的可能性,包括矩阵乘法,谱稀疏化,以及拉普拉斯系统解决方案等问题,并以多种函数为例进行算法开发和难度对比,并发现对于某些函数,即使采用著名的快速多极方法(Fast multipole method),在维度上存在无法克服的指数限制。
Nov, 2020
本文介绍了一种多层图形核的家族,并建立了图卷积神经网络与核方法之间的新联系。利用核特征图形的序列表示图形数据,从而将卷积核网络推广到了图形结构数据,实现了高效的数据表示和训练。在多个图形分类基准测试中,该方法实现了竞争性的性能,同时提供了简单的模型解释。
Mar, 2020
本文研究基于图信号的信号处理问题,提出了一种基于核回归的模型方法,能够有效地处理图信号的重构和估计问题,并通过多核方法的应用,解决了参数选择和滤波器自动选择的难题。
May, 2016
本文介绍了用于图数据的新方法 - 图神经正切核 (GNTK),并提出了第一种在 O(n ^ 2N ^ 3)运行时间内构造核矩阵的算法,以加快 GNTK 回归的端到端运行时间。
Dec, 2021