关键词spectral graph convolution
搜索结果 - 5
- 通过一般的谱小波推进图卷积网络
本文提出了一种基于小波的图卷积网络 WaveGC，通过集成多分辨率的谱基和矩阵值滤波器核心，实现有效捕获和分离短程和长程信息，提供了更高的灵活性和表达能力，并在短程和长程任务中相比现有模型取得了改进。
- 基于二维图卷积的谱图神经网络
提出了一种名为 2-D graph convolution 的新卷积范式，通过应用 Chebyshev 插值在 ChebNet2D 上实现，以解决现有光谱图神经网络在执行光谱图卷积时存在的关键问题。
- 面向有向有符号图的图卷积
该研究探讨了一种利用复数编码边的信息的新型复合厄米邻接矩阵，并提出了一种基于谱图卷积的分析方法，成功地应用于带有符号有向边的有向图网络。该方法在四个真实数据集上的实验证明其具有较高的性能表现。
- 使用图神经网络进行交通预测的统一时空建模
本文提出了一种统一的 Spatio-Temporal Graph Convolution Network (USTGCN) 模型用于交通预测，该模型具有通过频谱计算实现的时空图表达和历史模式的捕捉等优点，并在实验中证明了其超越了现有模型，同 - 局部谱图卷积用于点集特征学习
本文介绍了一种在点云上进行特征学习的方法，使用基于图卷积的局部图结构和新颖的图池化方法，该方法取得了在点集分类和分割任务中的一致可靠优势。