基于稳定学习的图神经网络模型 |
| |
引用本文: | 李文彬,许雁玲,钟志楷,杨勃.基于稳定学习的图神经网络模型[J].湖南理工学院学报,2023(4):16-18. |
| |
作者姓名: | 李文彬 许雁玲 钟志楷 杨勃 |
| |
作者单位: | 湖南理工学院信息科学与工程学院 |
| |
基金项目: | 湖南省研究生科研创新项目(CX20221231); |
| |
摘 要: | 图神经网络(GNN)在对图样本进行分类工作时效果差强人意,无法发现数据背后真实的功能网络.为提高图神经网络在图分类上的稳定性,提出一种基于稳定学习的图神经网络模型(Stable-GNN).该模型将基于随机傅里叶特征的样本加权采样干预技术与图神经网络结合,尝试在神经网络训练过程中,剔除虚假因果特征,提高模型在图样本分类上的稳定性.实验结果表明,该方法能有效发现真实的关联网络,提高图网络的稳定性.
|
关 键 词: | 图神经网络 稳定学习 图样本分类 |
|
|