注意力图神经网络的小样本学习

图神经网络(GNN)已经在许多具有挑战性的应用中展示了优越的性能，包括小样本学习任务。尽管GNN具有强大的从少量样本中学习和归纳的能力，但随着模型的深入，GNN通常会出现严重的过拟合和过平滑问题，这限制了模型的可扩展性。在这项工作中，我们提出了一个新的注意力GNN来解决这些挑战，通过合并三重注意机制，即节点自我注意，邻居注意和层记忆注意力。我们通过理论分析和实例说明了所提出的注意模块可以改善小样本学习的GNN的原因。广泛的实验表明，在mini-ImageNet 和Tiered-ImageNet数据集上，通过诱导和直推设置，提出的注意力GNN在小样本学习方面优于基于最先进的GNN方法。

https://www.zhuanzhi.ai/paper/53f805bc756339df20d9cc338b025cd4

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GNNFSL” 可以获取《注意力图神经网络的小样本学习》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源