优秀的谱图神经网络

目录

• 综述论文
• 里程碑论文
• 空间和谱域视角
• 姊妹论文
• 应用
• 代码
• 引用

<a name="surveypapers" />

综述

• 连接空间和谱域:图神经网络的统一框架
  • Zhiqian Chen, Fanglan Chen, Lei Zhang, Taoran Ji, Kaiqun Fu, Liang Zhao, Feng Chen, Lingfei Wu, Charu Aggarwal, Chang-Tien Lu.
  • ACM计算机调查 (CSUR), 2023
• 谱图神经网络综述
  • Bo, Deyu, Xiao Wang, Yang Liu, Yuan Fang, Yawen Li, 和 Chuan Shi.
  • arXiv预印本 arXiv:2302.05631 (2023)
• 谱图卷积神经网络的可迁移性
  • Levie, Ron, Wei Huang, Lorenzo Bucci, Michael Bronstein, 和 Gitta Kutyniok.
  • 机器学习研究杂志 (JMLR) 22, no. 1 (2021): 12462-12520.
• 几何深度学习:超越欧几里得数据
  • Bronstein, Michael M., Joan Bruna, Yann LeCun, Arthur Szlam, 和 Pierre Vandergheynst.
  • IEEE信号处理杂志 (SPM) 34, no. 4 (2017): 18-42.
• 正则化理论背景下的谱图卷积神经网络
  • A. Salim 和 S. Sumitra
  • IEEE神经网络与学习系统汇刊 (TNNLS), 2022
• 连接图神经网络中的谱域和空间域
  • Balcilar, Muhammet, Guillaume Renton, Pierre Héroux, Benoit Gauzere, Sebastien Adam, Paul Honeine.
  • arXiv预印本 arXiv:2003.11702 (2020).
• 理解谱图神经网络
  • Chen, Xinye.
  • arXiv预印本 arXiv:2012.06660 (2020).

<a name="milestone" />

构建谱图卷积的里程碑论文

• 基于谱图理论的图上小波
  • David K. Hammond, Pierre Vandergheynst, Rémi Gribonval,
  • 应用与计算调和分析, 2010
• 使用快速局部谱滤波的图卷积神经网络
  • Michaël Defferrard, Xavier Bresson, Pierre Vandergheynst
  • 神经信息处理系统进展 (NIPS), 2016
• 图上信号处理的新兴领域:将高维数据分析扩展到网络和其他非规则域
  • D. I. Shuman, S. K. Narang, P. Frossard, A. Ortega 和 P. Vandergheynst
  • IEEE信号处理杂志, 2013

<a name="ssviews" />

空间和谱域视角下的图神经网络

年份	空间域	谱域
2015年之前	ParWalk、DeepWalk、LINE	谱图神经网络、ISGNN、神经图指纹
2016年	DCNN、分子图卷积、PATCHY-SAN	GCN、ChebNet
2017年	MPNN、PGCN、GraphSAGE	MoNet
2018年	GIN、自适应GCN、Fast GCN、JKNet、大规模GCN	RationalNet、AR、CayleyNet、深度洞察
2019年	SGCN、DeepGCN、MixHop、PPAP	ARMA、GDC、EigenPool、GWNN、稳定GCNN
2020年	SIGN、样条GNN、UaGGP、GraLSP、GraphSAINT、DropEdge、BGNN、ALaGNN、连续GNN、GCNII、PPRGo、DAGNN、H2GCN	GraphZoom
2021年	ADC、UGCN、DGC、E(n)GNN、GRAND、C&S、LGNN	可解释谱滤波器、富表达谱视角、S2GC、BernNet、SpGAT
2022年	GINR、自适应SGC、PGGNN、DIMP	AGWN、ChebNetII、JacobiConv、SpecGNN、G2CN、pGNN、ChebGibbsNet、SpecFormer、SIGN、谱密度、EvenNet、MSGNN
2023年	RSGNN、CAGCN、低秩GNN、Auto-HeG、DropMessage	DSF、F-SEGA、MidGCN、GHRN

<a name="twinpaper" />

孪生论文

空间域	谱域
简化图卷积网络	简单谱图卷积
图神经网络有多强大？, K-跳消息传递图神经网络有多强大？	谱图神经网络有多强大？
Graphon神经网络与图神经网络的可迁移性	谱图卷积神经网络的可迁移性, 图神经网络的可迁移性质
SpatialFormer 计算机视觉论文	Specformer
谱图神经网络何时在节点分类中失效？	谱图神经网络何时在节点分类中失效？

<a name="application" />

谱图的应用

• "脑信号的图频率分析"
  • Huang, Weiyu, Leah Goldsberry, Nicholas F. Wymbs, Scott T. Grafton, Danielle S. Bassett, 和 Alejandro Ribeiro。
  • IEEE信号处理选题期刊 10, 第7期 (2016): 1189-1203。
• "基于人群的疾病预测的谱图卷积"
  • Parisot, Sarah, Sofia Ira Ktena, Enzo Ferrante, Matthew Lee, Ricardo Guerrerro Moreno, Ben Glocker, 和 Daniel Rueckert。
  • 医学图像计算与计算机辅助干预− MICCAI 2017：第20届国际会议，加拿大魁北克市，2017年9月11-13日，会议录，第III部分20，第177-185页。Springer International Publishing，2017。
• "使用图卷积网络进行疾病预测：自闭症谱系障碍和阿尔茨海默病的应用"
  • Parisot, Sarah, Sofia Ira Ktena, Enzo Ferrante, Matthew Lee, Ricardo Guerrerro Moreno, Ben Glocker, 和 Daniel Rueckert。
  • 医学图像分析 48 (2018): 117-130。
• "脑振荡的谱图理论"
  • Raj, Ashish, Chang Cai, Xihe Xie, Eva Palacios, Julia Owen, Pratik Mukherjee, 和 Srikantan Nagarajan。
  • 人脑映射 41, 第11期 (2020): 2980-2998。
• "脑振荡的谱图理论——回顾与改进"
  • Verma, Parul, Srikantan Nagarajan, 和 Ashish Raj。
  • NeuroImage 249 (2022): 118919。
• "用于学习阿尔茨海默病大脑连接的谱图回归模型"
  • Hu, Chenhui, Lin Cheng, Jorge Sepulcre, Keith A. Johnson, Georges E. Fakhri, Yue M. Lu, 和 Quanzheng Li。
  • PloS one 10, 第5期 (2015): e0128136。
• "脑振荡谱图模型的稳定性和动力学"
  • Hu, Chenhui, Lin Cheng, Jorge Sepulcre, Keith A. Johnson, Georges E. Fakhri, Yue M. Lu, 和 Quanzheng Li。
  • 网络神经科学 7, 第1期 (2023): 48-72。
• "学习用于链接预测的谱图变换"
  • Kunegis, Jérôme, 和 Andreas Lommatzsch。
  • 第26届国际机器学习年会论文集，第561-568页。2009。
• "输电网络中功率流几何的谱图分析"
  • Retiére, Nicolas, Dinh Truc Ha, 和 Jean-Guy Caputo。
  • IEEE系统期刊 14, 第2期 (2019): 2736-2747。
• "使用谱图理论技术在基因共表达网络中选择阈值"
  • Perkins, Andy D., 和 Michael A. Langston。
  • BMC生物信息学, 第10卷, 第11期, 第1-11页。BioMed Central，2009。
• "蛋白质相互作用网络演化的图谱分析"
  • Thorne, Thomas, 和 Michael PH Stumpf。
  • 皇家学会界面杂志 9, 第75期 (2012): 2653-2666。
• "通过容量加权谱分析研究交通网络脆弱性"
  • Bell, Michael GH, Fumitaka Kurauchi, Supun Perera, 和 Walter Wong。
  • 交通研究B部分：方法论 99 (2017): 251-266。
• "基于人群的疾病预测的谱图卷积"
  • Parisot, Sarah, Sofia Ira Ktena, Enzo Ferrante, Matthew Lee, Ricardo Guerrerro Moreno, Ben Glocker, 和 Daniel Rueckert。
  • 医学图像计算与计算机辅助干预− MICCAI 2017：第20届国际会议，加拿大魁北克市，2017年9月11-13日，会议录，第III部分20，第177-185页。Springer International Publishing，2017。
• "真实网络中的流行病传播：特征值视角"
  • Wang, Yang, Deepayan Chakrabarti, Chenxi Wang, 和 Christos Faloutsos。
  • 第22届国际可靠分布式系统研讨会，2003年会议录，第25-34页。IEEE，2003。

<a name="code" />

有理函数与多项式比较的实验代码

见code文件夹

<a name="citation" />

引用信息

@article{10.1145/3627816,
    author = {Chen, Zhiqian and Chen, Fanglan and Zhang, Lei and Ji, Taoran and Fu, Kaiqun and Zhao, Liang and Chen, Feng and Wu, Lingfei and Aggarwal, Charu and Lu, Chang-Tien},
    title = {弥合空间域和谱域之间的差距：图神经网络的统一框架},
    year = {2023},
    issue_date = {2024年5月},
    publisher = {美国计算机协会},
    address = {纽约，纽约，美国},
    volume = {56},
    number = {5},
    issn = {0360-0300},
    url = {https://doi.org/10.1145/3627816},
    doi = {10.1145/3627816},
    journal = {ACM计算调查},
    month = {12月},
    articleno = {126},
    numpages = {42},
    keywords = {近似理论, 谱图理论, 深度学习, 图神经网络, 图学习}
}