📊 Новый подход к графовым нейросетям: WaveGC

На ICML представили WaveGC — графовую сверточную модель, которая заменяет обычные фильтры на полноценные спектральные вейвлеты. Это позволяет обрабатывать и локальные, и дальние зависимости в графе эффективнее, чем стандартные GCN и даже граф‑трансформеры.

🧠 Главное:
- Вместо обычных функций-фильтров — матрицы фильтров на основе вейвлетов.
- Архитектура учитывает мульти-частотную структуру графа.
- В основе — спектральное разложение через чебышёвские полиномы, с разделением на чётные и нечётные компоненты.

📈 Результаты:
- Обгоняет SOTA в задачах node classification, link prediction и других.
- Особенно хорошо работает в задачах с разной длиной связей (short/long-range dependencies).

🛠️ Код уже доступен — легко интегрировать и попробовать в своих задачах на графах.

WaveGC показывает: переход от классических фильтров к спектральным вейвлетам — это не просто теоретический шаг, а реальный прирост качества.

🟠ArXiv: https://arxiv.org/pdf/2405.13806
🟠GitHub: https://github.com/liun-online/WaveGC