Symmetric Graph Convolutional Autoencoder for Unsupervised Graph Representation Learning

We propose a symmetric graph convolutional autoencoder which produces a low-dimensional latent representation from a graph. In contrast to the existing graph autoencoders with asymmetric decoder parts, the proposed autoencoder has a newly designed decoder which builds a completely symmetric autoenco...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings / IEEE International Conference on Computer Vision s. 6518 - 6527
Hlavní autoři:	Park, Jiwoong, Lee, Minsik, Chang, Hyung Jin, Lee, Kyuewang, Choi, Jin Young
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.10.2019
Témata:	Chebyshev approximation Convolution Decoding Image reconstruction Laplace equations Smoothing methods Task analysis
ISSN:	2380-7504
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!