快速读论文----Neighbor-Anchoring AdversarialGraph Neural Networks
·
图形神经网络（GNNs）由于能够学习图形数据的高级表示而被广泛采用。虽然GNN具有很强的识别能力，但它们往往无法学习底层节点分布以提高鲁棒性。为了解决这个问题，受生成对抗网络（GANs）的启发，我们研究了图神经网络上的对抗学习问题，并提出了一种新的图表示学习框架NAGNN（即邻域锚定对抗图神经网络），它不仅训练一个鉴别器，而且训练一个相互竞争的发生器。特别地，我们提出了一种新的邻域锚定策略，其中生成器生成具有明确特征和锚定在参考真实节点上的邻域结构的样本，以便鉴别器可以对伪样本执行邻域聚合以学习更好的表示。我们的邻居锚定策略的优势可以从理论和经验上得到证明。此外，作为副产品，我们的生成器可以合成逼真的功能，实现自动内容摘要等潜在应用。最后，我们在四个公共基准数据集上进行了广泛的实验，并在定量和定性评估方面取得了有希望的结果
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
0
0- 0
已为社区贡献12条内容
所有评论(0)