GLAudio Listens to the Sound of the Graph

要約

私たちは、GLAudio: ノードの特徴と接続構造のオーディオ表現に関するグラフ学習を提案します。
この新しいアーキテクチャは、離散波動方程式に従ってグラフ ネットワークを通じてノードの特徴を伝播し、シーケンス学習アーキテクチャを採用してオーディオ波信号からターゲット ノード関数を学習します。
これは、情報の伝播と情報処理が 2 つの異なるステップに分離される、グラフ構造データの学習の新しいパラダイムにつながります。
頂点の受容野の概念を導入してモデルの表現力を理論的に特徴付け、さまざまなグラフ データセットでの理論的および実験的な両方で、過剰な平滑化と過剰な潰れに対するモデルの感受性を調査します。

要約(オリジナル)

We propose GLAudio: Graph Learning on Audio representation of the node features and the connectivity structure. This novel architecture propagates the node features through the graph network according to the discrete wave equation and then employs a sequence learning architecture to learn the target node function from the audio wave signal. This leads to a new paradigm of learning on graph-structured data, in which information propagation and information processing are separated into two distinct steps. We theoretically characterize the expressivity of our model, introducing the notion of the receptive field of a vertex, and investigate our model’s susceptibility to over-smoothing and over-squashing both theoretically as well as experimentally on various graph datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google