第一代的图卷积神经网络很巧妙的利用图谱理论来实现拓扑图的卷积操作,但其有很多缺点,比如说:计算复杂度太高,我们需要对拉普拉斯矩阵进行谱分解得到特征向量矩阵
针对这些问题,学者提出了第二代 GCN:ChbeyNet。
首先我们回顾下图傅立叶变换:
可以看到这是一个和特征值密切相关的函数,我们不妨将
然后这个卷积核有两个局限性:
不具备局部连接性;
时间复杂度为
为了克服这个缺点,我们引入 K 阶多项式:
其中,参数
我们将这个公式带入卷积运算中:
此时,我们计算图卷积运算就不需要再乘上特征向量矩阵