首页 > 其他分享 >GIN--HOW POWERFUL GNN

GIN--HOW POWERFUL GNN

时间:2023-02-22 10:11:40浏览次数:54  
标签:-- powerful POWERFUL mu GIN GNN 节点

HOW POWERFUL ARE GRAPH NEURAL NETWORKS?

本文是 Jure Leskovec 又一力作,首先对图神经网络的原理做了深入检出、提纲挈领的叙述,然后从原理方面介绍了如何发挥图神经网络的效用。

图神经网络可以分为三个阶段:

  1. Aggregate:聚合邻居节点信息

    \[a^{(k)}_v = AGGREGATE^{(k)}(\{h_{\mu}^{(k−1)}:\mu\in N(v)\}) \]

  2. Combine:聚合邻居和当前节点

    \[h_{\mu}^{(k)} = COMBINE^{(k)}({h_{\mu}^{(k−1)},a^{(k)}_v}) \]

  3. Readout:整合表示图中所有节点

    \[h_G = READOUT(\{h^{(K)}_v|v \in G\}) \]

在GraphSAGE中,Aggregate和Combine过程如下,GCN同理

image-20220821101437568

那么如何衡量图神经网络是否学到了良好的表示,这里提到了 Weisfeiler-Lehman test ,有兴趣可以下去研究。

文章的和核心出发点在于:对于子树结构相同且对应节点特征相同的的俩个节点,一个有效的GNN应该有能力映射两个节点到embedding空间中相同的位置,决不会将两个不同的节点映射到同一embedding空间位置。

Intuitively, a maximally powerful GNN maps two nodes to the same location only if they have identical subtree structures with identical features on the corresponding nodes

A maximally powerful GNN would never map two different neighborhoods

因此,GNN的Aggregate必须是单射的,单射函数(一对一函数)如下

image-20220821102818366

由此引出定理3,定理3是本文中一个重要的定理,其规定了一个powerful GNN的理论形式,即函数 \(f\) 的变量是一个multiset,Combine \(\phi\) 是单射函数, Readout 是单射函数。

image-20220820212259680

那么如何根据定理3设计改进GNN?

GIN:Graph Isomorphism Network

针对节点分类任务,使用nodel-level级GIN:

image-20220820214900250

对于图分类任务,替换 \(h_G\) 如下

image-20220820214913987

注意到式(4.1)做了两处改变,

  • 使用sum作为agg函数
  • 使用MLP替代 \(\sigma W\)

那么GIN是否有效?实验分别验证了 sum 和MLP 在此发挥的作用,分别用

(1) 1-layer perceptrons instead of MLPs and

(2) mean or max-pooling instead of the sum

image-20220821110012027

根据引理7,单层perceptrons更接近于线性映射,使GNN退化为简单的summing。

作者用下面两个图阐述了sum>mean>max,此部分内容有兴趣可以阅读原文。

image-20220820202313654

image-20220820202715929

实验结果也验证了在大部分模型和任务上,GIN可以带来有效的提升。

image-20220820215729042

原文:HOW POWERFUL ARE GRAPH NEURAL NETWORKS?

官方GitHub:https://github.com/weihua916/powerful-gnns

《Graph Neural Networks多强大?》阅读笔记 - 陈乐天的文章 - 知乎 https://zhuanlan.zhihu.com/p/62006729

GraphSAGE: GCN落地必读论文 - 风浪的文章 - 知乎 https://zhuanlan.zhihu.com/p/62750137

标签:--,powerful,POWERFUL,mu,GIN,GNN,节点
From: https://www.cnblogs.com/gongyanzh/p/17143360.html

相关文章

  • 手动配置ipv6地址和静态路由
    转发地址:https://www.cnblogs.com/waw/p/16321917.html1.手动配置ipv6地址1.修改配置文件,eth0换成自己的网口名称1vim/etc/sysconfig/network-scripts/ifcfg-eth0......
  • openapi generator(go学习)
    一.安装通过npm安装,其他安装方式请见:https://openapi-generator.tech/docs/installation/#安装脚手架npminstall@openapitools/openapi-generator-cli-g#设置使......
  • error while loading shared libraries: libevent-2.1.so.6 的解决办法
    执行memcached启动命令时,报错,提示:errorwhileloadingsharedlibraries:libevent-2.1.so.6:cannotopensharedobjectfile:Nosuchfileordirectory查看memcache......
  • 友链
    grass8woc(全机房最强,题解很多,就是有的时候容易看不懂,但有基础的话应该还是看得懂的)xxeray(整理的学习笔记和题解较多,讲得也比较详细)Fran-Cen(有很多整理的笔记和CWOI的题解......
  • 【文末福利】什么是 Adobe Creative Cloud 创意应用软件?
    谈到Adobe,在很多人的印象里Adobe一直是创意软件公司的代表,诸如图像处理软件Photoshop、视频剪辑处理软件Premiere、特效制作软件AfterEffects、音频处理软件Audition以及PD......
  • Mysql关联删除CSV中的相关数据
    问题描述:提供一个csv文件,记录的是一些不同数据库的不同表中的共同字段account_id数据,需要在A库的account表中做关联删除 解决思路:csv文件中储存的都是account_id,六位纯......
  • 大学物理---简谐运动旋转矢量法
    3个重要的表达式3个表达式的图像对方程中各个物理量的解释简谐振动有很多种,弹簧振子只是其中一种,在其他的简谐振动中的w的计算方式就不一定是这样计算了在初始......
  • javaDoc生成文档
    javadoc生成文档概念javadoc就是生成一个我们自己写的帮助文档; 写法使用文档注释来写:/***/packagecom.base;//写在类上的是类的文档注释......
  • 【python】python基本语法
    字符串字符串是否包含子字符串两种方法:[find()][in]/[notin]//方法一ifstring1.find(string2):print("foundstring2instring1")//方法二ifstring2in......
  • Cypress简易入门教程
    每天进步一点点,关注我们哦,每天分享测试技术文章本文章出自【码同学软件测试】码同学公众号:自动化软件测试,领取资料可加:magetest码同学抖音号:小码哥聊软件测试 01Wind......