【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks

当前的图神经网络(GNN)简单地将节点嵌入到聚合的图表示中——可能会丢失结构或语义信息。我们在这里介绍了OT-GNN，它通过GNN节点嵌入集合与“原型”点云之间的最佳传输距离作为自由参数来计算图嵌入。这允许不同的原型突出显示不同图子部分的关键方面。证明了点云上的函数类满足一个通用的近似定理，这是一个由于和和而失去的基本性质。然而，根据经验，该模型在训练过程中有一种崩溃回标准聚合的自然趋势。我们通过提出一种有效的噪声对比调节器来解决这一优化问题，从而使模型朝着真正挖掘最优运输几何的方向发展。我们的模型在几个分子性质预测任务上始终表现出更好的泛化性能，也产生更平滑的表示。

https://arxiv.org/abs/2006.04804

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“OTGNN” 可以获取《最优传输图神经网络，Optimal Transport Graph Neural Networks》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