大规模结构化数据的有效表示、处理、分析和可视化,特别是网络和图等复杂领域的数据,是现代机器学习的关键问题之一。图信号处理(GSP)是信号处理模型和算法的一个活跃分支,旨在处理图支持的数据,为解决这一挑战开辟了新的研究路径。在这篇文章中,我们回顾了GSP概念和工具的一些重要贡献,如图过滤器和变换,以发展新的机器学习算法。特别地,我们的讨论集中在以下三个方面:利用数据结构和关系先验,提高数据和计算效率,增强模型可解释性。此外,我们为GSP技术的未来发展提供了新的视角,该技术可能充当应用数学和信号处理与机器学习和网络科学之间的桥梁。
在处理结构化数据的许多基于图的表示和算法的成功中,有意义的图拓扑的构建起着至关重要的作用。然而,当无法很好地选择图时,从观察到的数据推断图的拓扑结构往往是可取的。在这次演讲中,我将首先从机器学习的观点来调查图学习问题的经典解决方案。然后,我将讨论一系列来自快速发展的图信号处理(GSP)领域的近期工作,并展示如何利用信号处理工具和概念来为这个重要问题提供新颖的解决方案。最后,我将以一些开放的问题和挑战来结束,这些问题和挑战对图形学习的未来信号处理和机器学习算法的设计至关重要。
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“G85” 就可以获取《图信号处理导论,85页ppt》专知下载链接