admin 管理员组

文章数量: 1184232

talk

石川组的，分析了什么是好的图数据增强。 aug后的邻接矩阵V，特征值的低频成分[0,1]应该和A的没有太大差异，高频成分[1,2]应该和A的高频成分越不同越好。 这里分析图的spectrum，都是在A和V的基础上 采用 对称拉普拉斯矩阵分析（ DAD）。理论什么的都很充分，实验也还好，但是数据集都比较小，同时，和原文的acc不一致，+了他的Spco 都可能达不到原文的acc


低频和A类似（走势相同） ，高频不同（A下降，ppr+heat逼近0） 因此 这两个性能好。

损失：原文推到了+，-的类似。 文章的思想就是 aug 后的A’ 满足上面的走势

appendix 里面这个Filkr咋不是7W，而是7K？？ 大图根本没办法计算 特征值吧，因此都没有 computer等 更何况ogbn

cora dgi 82-83 GRACE 82 CCA-SSG 84

本文标签： revisiting Graph SpCo perspective Spectrum

版权声明：本文标题：NIPS22：SpCo Revisiting Graph Contrastive Learning from the Perspective of Graph Spectrum 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1758689740a3089236.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。