【ICML2022】深入探讨置换敏感图神经网络数据派THU关注共 411字,需浏览 1分钟 ·2022-06-08 08:32 来源:专知本文为论文,建议阅读5分钟在这项工作中,我们通过排列组设计了一种高效的排列敏感聚合机制,捕获相邻节点之间的成对关联。邻接矩阵排列的不变性,即图同构,是图神经网络(GNNs)的首要要求。通常,聚合消息时,节点排列上的不变操作可以满足这个前提条件。但是,这种不变性可能会忽略相邻节点之间的关系,从而影响GNN的表达能力。在这项工作中,我们通过排列组设计了一种高效的排列敏感聚合机制,捕获相邻节点之间的成对关联。我们证明了我们的方法严格地比二维Weisfeiler-Lehman (2-WL)图同构检验更强大,且不低于3-WL检验。此外,我们证明了我们的方法实现了线性抽样复杂度。在多个合成数据集和真实数据集上的综合实验证明了我们的模型的优越性。https://www.zhuanzhi.ai/paper/da818de2d710f7cb9087582587f6240f 浏览 19点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 【ICML2022】图神经网络异常检测的再思考数据派THU0【图神经网络】GCN-2(ChebyNet)阿泽的学习笔记0一文读懂图神经网络大数据科学0tf_geometricTensorFlow 图神经网络框架tf_geometric是一个高效且友好的图神经网络库,同时支持TensorFlow1.x和2.x。受到rusty1s/pytorch_geometric项目的启发,我们为TensorFlow构建了一tf_geometricTensorFlow 图神经网络框架tf_geometric是一个高效且友好的图神经网络库,同时支持TensorFlow 1.x 和 2收藏|图神经网络综述数据派THU0【图神经网络】GCN-3(semi-GCN)阿泽的学习笔记0图神经网络元学习数据派THU0一文读懂图神经网络目标检测与深度学习0知识图谱上的图神经网络博文视点Broadview0点赞 评论 收藏 分享 手机扫一扫分享分享 举报