基准评估光谱图神经网络：对效果和效率的全面研究

Jun, 2024

基准评估光谱图神经网络：对效果和效率的全面研究

Benchmarking Spectral Graph Neural Networks: A Comprehensive Study on Effectiveness and Efficiency

Ningyi Liao, Haoyu Liu, Zulun Zhu, Siqiang Luo, Laks V.S. Lakshmanan

TL;DR最近在图神经网络领域中，频谱图神经网络因其在频域捕捉图信号的特点而受到广泛关注，展示出在特定任务中的有希望的能力。然而，对于评估其频谱特征的系统研究还很少。此观点论文通过对超过 30 个包含 27 个相应滤波器的频谱图神经网络进行广泛的基准测试，分析和分类这些模型，并在统一框架下实现这些频谱模型，提供了对有效性和效率的多方位实验评估，并提供了在评估和选择性能良好的频谱图神经网络时的实用指南。我们的实现能够在更大的图上应用，性能可比且开销较小，可以从以下链接获得:

Abstract

With the recent advancements in graph neural networks (GNNs), spectral gnns have received increasing popularity by virtue of their specialty in capturing graph signals in the frequency domain, demonstrating promi

graph neural networks spectral gnns frequency perspective benchmarking performance evaluation

发现论文，激发创造

谱图神经网络调研

本文总结了谱图神经网络的最新发展，包括模型、理论和应用等方面的内容，其中介绍了谱性 GNN 能够捕捉全局信息，并具有更好的可表达性和可解释性。通过对现有谱性 GNN 的分析，本文梳理了主要理论结果和应用，最后进行了定量实验来评估几种常见的谱性 GNN 模型，为未来的研究提出了一些方向。

Feb, 2023

谱图神经网络的强大程度

本文研究了基于图信号滤波器的谱图神经网络的表达能力，证明了无需非线性函数就可产生任意图信号，并建立了表达能力与图同构测试之间的联系。提出了一种名为 JacobiConv 的新型谱图神经网络，该网络能在不使用非线性函数的情况下超越所有对比算法。

May, 2022

重新思考图神经网络在异常检测中的应用

本文提出基于 Beta 小波的图神经网络 BWGNN，包含局部化的频带通滤波器，以更好地处理异常的频谱现象，并在四个大规模异常检测数据集上证明了其有效性。

May, 2022

图神经网络中谱效应的新视角

本文通过对 GNNs 的频谱特征及其对 GNN 性能的影响的研究，提出了去相关设计架构，旨在消除不光滑频谱引起的相关问题，允许更深的体系结构，更强的过滤器，并最终提升学习图表征的性能。

Dec, 2021

谱时图神经网络在时间序列预测中的表现能力

本文建立了一个理论框架，阐明了光谱 - 时域 GNN 表达能力的基础，结果表明线性光谱 - 时域 GNN 在温和假设下是通用的，基于我们的框架，我们提出了一个名为 TGC 的简单实例，在模型效率和准确性方面显著优于绝大部分现有模型。

May, 2023

简化低秩核模型对 GNN 的性能

重新审视最近的谱图神经网络方法用于半监督节点分类问题，认为许多当前的谱图神经网络架构可能过度设计；相反，简单的传统非参数估计方法在谱域中应用，可以替代许多深度学习启发的谱图神经网络设计；这些传统方法在各种图类型上表现良好，达到了许多常见的半监督节点分类基准的最先进性能；此外，我们还展示了最近谱图神经网络方法的性能改进可能部分归因于评估约定的变化；最后，我们对谱图滤波技术的各种超参数进行了剔除性研究。

Oct, 2023

空间自适应滤波下的频谱图神经网络再思考

光谱图神经网络在空间域具有可解释性，通过建立光谱滤波和空间聚合的理论联系，揭示了光谱滤波将原始图形隐式导向适应的新图形，以进行空间聚合和反映节点之间的标签一致性，进而提出了一种新颖的空间自适应滤波 (SAF) 框架，通过光谱滤波和辅助的非局部聚合综合建模节点的相似性和差异性，在全局角度缓解了图神经网络与长距离依赖和图形异质性相关的不足，并在 13 个节点分类基准上进行了广泛实验，证明了该框架相较于现有模型的优越性。

Jan, 2024

动态图神经网络综述：模型、框架、基准、实验与挑战

本文通过对 81 个动态 GNN 模型、12 个动态 GNN 训练框架和常用基准进行了全面的比较分析和实验评估，在对六个标准图数据集上测试了九个代表性的动态 GNN 模型和三个框架。评估指标包括收敛精度、训练效率和 GPU 内存使用情况，从而实现了对各种模型和框架性能的全面比较。通过分析和评估结果，我们确定了关键挑战，并提出了未来研究的原则，以增强动态 GNN 领域模型和框架的设计。

May, 2024

具有多样化光谱滤波的图神经网络

利用多样化光谱滤波的框架 (DSF)，在光谱图神经网络的基础上，通过自动学习节点特定的滤波权重，平衡局部和全局信息以捕捉全局图特征和挖掘多样的局部模式，从而提高节点分类任务的模型性能。

Dec, 2023

谱图网络可迁移性的实验研究

基于 Laplacian 算子，谱图卷积神经网络是一种用于图数据的卷积网络，并已被证明可以稳定地在不同大小和连接性的图之间传输谱滤波器，在图回归、图分类和节点分类等任务中表现出良好的性能。

Dec, 2020