GraphWaveletNeuralNetwork 项目推荐

GraphWaveletNeuralNetwork 项目推荐

1. 项目基础介绍和主要编程语言

GraphWaveletNeuralNetwork 是一个基于 PyTorch 的开源项目，旨在实现图小波神经网络（Graph Wavelet Neural Network, GWNN）。该项目由 Benedek Rozemberczki 开发，主要用于图卷积神经网络（GCN）的研究和应用。项目的主要编程语言是 Python。

2. 项目核心功能

该项目的主要功能是实现图小波神经网络，这是一种新型的图卷积神经网络，利用图小波变换来解决传统谱图 CNN 方法依赖于图傅里叶变换的不足。与图傅里叶变换不同，图小波变换可以通过快速算法获得，无需高计算成本的矩阵特征分解。此外，图小波在顶点域中是稀疏且局部化的，提供了高效的图卷积和良好的可解释性。

3. 项目最近更新的功能

截至最新更新，该项目的主要更新包括：

• 数据集支持：项目支持 Cora、Citeseer 和 Pubmed 等基准数据集，用户可以通过提供的命令行参数自定义输入和输出路径。
• 模型训练选项：用户可以通过命令行参数调整模型的训练选项，如学习率、权重衰减、滤波器数量、Dropout 概率等。
• 日志记录：项目提供了详细的日志记录功能，用户可以自定义日志路径，方便跟踪和分析模型训练过程。
• 近似算法：项目支持通过 Chebyshev 多项式近似图小波，用户可以调整多项式的阶数以优化计算效率。

通过这些更新，GraphWaveletNeuralNetwork 项目为用户提供了更加灵活和高效的图神经网络训练和评估工具。