光譜對比學習

深度分析

ASPECT：節點級光譜門控與對抗式光譜對比學習提升圖神經網路穩健性

圖學習面對同質與異質結構挑戰，高頻訊號雖能表徵異質邊界卻對頻譜集中型擾動高度敏感並放大變異。ASPECT提出節點級光譜門控與對抗式優化，透過Rayleigh商懲罰迫使編碼器放棄不可靠頻帶並動態重權頻段。實驗在九個基準資料集上展現整體領先並強化對投毒攻擊之穩健性。