扩展ARMA图神经网络

高低频分离建模

去除自回归移动平均滤波器的阶数限制,显式分离并提取低频和高频信息,提升对突变信号的建模能力和学习效率。

74004475 · Liu, Fu · Ma, Meng · 翟智 · Chen, Hui

Knowledge-Based Systems 2025

技术优势

准确建模突变

去除了自回归移动平均滤波器的阶数限制,能够推断更一般的网络结构,从而建模形状更多样的滤波器。

学习更轻松

显式分离提取低频和高频信息,减轻学习过程的负担,进一步增强学习能力。

性能优于现有

在公开节点分类和故障诊断等多个实验中,结果证明了所提方法的高性能。

应用场景