【ICML2022】图神经网络异常检测的再思考

共 341字,需浏览 1分钟

 ·

2022-06-08 08:30


来源:专知

本文为论文,建议阅读5分钟

异常的存在将导致“右移”现象。



图神经网络(GNNs)在图异常检测中有着广泛的应用。由于谱滤波器的选择是GNN设计的关键之一,因此通过图谱分析异常是GNN设计的第一步。我们的关键观察是,异常的存在将导致“右移”现象,即频谱能量分布较少集中在低频,较多集中在高频。这一事实促使我们提出了Beta小波图神经网络(BWGNN)。事实上,BWGNN具有光谱和空间本地化带通滤波器,以更好地处理异常中的“右移”现象。在4个大规模异常检测数据集上验证了BWGNN的有效性。我们的代码和数据发布在

https://github.com/squareRoot3/Rethinking-Anomaly-Detection







浏览 38
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报