我院教师庞善臣、硕士生张魁杰在中科院大类分区1区TOP期刊《Information Sciences》发表题为“AF-GCN: Completing various graph tasks efficiently via adaptive quadratic frequency response function in graph spectral domain”的研究论文。《Information Sciences》2022年影响因子为8.233，近五年平均影响因子为6.153，为中国石油大学（华东）T1期刊。

图神经网络是将深度学习应用于非欧几里得域的重大突破。它被广泛用于社会网络分析、分子功能推断、药物重新定位和蛋白质建模等任务，在关系推断模型上取得了优异的性能。尽管图形神经网络取得了巨大的成功，但它们中的大多数模型仍应用场景受限。这是因为不同的任务对图特征的需求不同，固定模型限制了特征提取的灵活性。为了解决这个问题，我们设计了一个可以根据图形任务自适应调整的图形过滤器。该滤波器将多视图策略与可学习的二次频率响应函数相结合，使用二次函数的波峰自适应地强调所需信息。我们进一步设计了基于该自适应滤波器的图卷积神经网络模型，命名为AF-GCN。在12个不同的真实世界数据集上使用13个SOTA模型进行了广泛的实验，包括节点分类任务中的同质和异构数据集，图形分类任务中的生物数据集和社交网络数据集。AF-GCN在各种场景中取得了最先进的结果。

AF-GCN模型架构

原文DOI：https://doi.org/10.1016/j.ins.2022.12.054