生成ネットワークは、単純なノイズから画像やテキストなどの意味のある信号を生成することが可能になりました。最近では、グラフとグラフ信号のためのGAN（Generative Adversarial Networks）やVAE（Variational Autoencoders）に基づく生成手法が開発されています。しかし、これらの手法の数学的特性は不明確であり、優れた生成モデルの学習は困難です。本研究では、Mallatの散乱変換をグラフに適応した最近の手法を使用するグラフ生成モデルを提案します。提案されたモデルは、エンコーダとデコーダから自然に構成されています。エンコーダはガウシアン化されたグラフ散乱変換で、信号やグラフ操作に対して堅牢性があります。デコーダは特定のタスク（リンク予測、グラフ上の信号生成、完全なグラフと信号の生成など）に適応したシンプルな全結合ネットワークです。提案システムの学習は効率的であり、デコーダのみに適用されるため、ハードウェア要件も適度です。数値結果は、提案システムがリンク予測およびグラフと信号の生成において最先端の性能を示していることを実証しています。