초록
생성 네트워크는 간단한 노이즈로부터 이미지와 텍스트와 같은 의미 있는 신호를 생성할 수 있게 만들었습니다. 최근에는 그래프와 그래프 신호에 대한 GAN(Generative Adversarial Network) 및 VAE(Variational Autoencoder) 기반의 생성 방법이 개발되었습니다. 그러나 이러한 방법들의 수학적 특성이 불분명하며, 좋은 생성 모델을 학습하는 것이 어렵습니다. 본 연구에서는 Malat의 산란 변환(scattering transform)을 그래프에 적용한 최근의 개선점을 활용하여 그래프 생성 모델을 제안합니다. 제안된 모델은 자연스럽게 인코더와 디코더로 구성됩니다. 인코더는 노이즈에 강건한 Gaussianized 그래프 산란 변환이며, 디코더는 링크 예측, 그래프 상의 신호 생성, 전체 그래프 및 신호 생성과 같은 특정 작업에 적응된 간단한 완전 연결 네트워크입니다. 제안된 시스템의 학습은 디코더만 적용되기 때문에 효율적이며, 하드웨어 요구 사항도 중등도입니다. 수치 결과는 제안된 시스템이 링크 예측과 그래프 및 신호 생성 모두에서 최신 성능을 보임을 입증합니다.