题目: Hyperbolic Graph Convolutional Neural Networks

摘要: 图卷积神经网络(GCNs)将图中的节点嵌入到欧几里德空间中,在嵌入具有无标度或层次结构的真实图时,欧几里德空间会产生很大的失真。双曲几何提供了一个令人兴奋的选择,因为它使嵌入具有更小的失真。然而,将广义神经网络扩展到双曲几何中,由于目前尚不清楚如何定义双曲空间中的特征变换和聚集等神经网络操作,因此提出了一些独特的挑战。此外,由于输入特征通常是欧几里德的,因此如何将特征转换为具有适当曲率的双曲型嵌入尚不清楚。本文提出了双曲图卷积神经网络(HGCN),它是第一个同时利用GCN和双曲几何的表达能力来学习层次图和无标度图的归纳节点表示的双曲型GCN。推导了双曲空间双曲面模型的GCN运算,并将欧氏输入特征映射到每层可训练曲率不同的双曲空间中的嵌入。

作者简介: Ines Chami,斯坦福大学ICME数据科学项目的硕士,她的研究方向包括计算机视觉,自然语言处理,更具体地说,多模态分析。个人主页:https://profiles.stanford.edu/ines-chami

Rex Ying,斯坦福大学计算机科学博士,他的研究主要集中在开发应用于图结构数据的机器学习算法上。个人主页:https://cs.stanford.edu/people/rexy/

成为VIP会员查看完整内容
112

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【ICLR 2019】双曲注意力网络,Hyperbolic  Attention Network
专知会员服务
82+阅读 · 2020年6月21日
图神经网络三剑客:GCN、GAT与GraphSAGE
PaperWeekly
63+阅读 · 2020年2月27日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
103+阅读 · 2019年11月27日
【论文笔记】Graph U-Nets
专知
76+阅读 · 2019年11月25日
【NeurIPS2019】图变换网络:Graph Transformer Network
重新思考图卷积网络:GNN只是一种滤波器
新智元
27+阅读 · 2019年6月3日
元学习(Meta-Learning) 综述及五篇顶会论文推荐
图卷积神经网络的变种与挑战【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月28日
Arxiv
17+阅读 · 2019年3月28日
Relational recurrent neural networks
Arxiv
8+阅读 · 2018年6月28日
Arxiv
8+阅读 · 2018年5月24日
Arxiv
9+阅读 · 2018年2月4日
VIP会员
相关VIP内容
相关资讯
图神经网络三剑客:GCN、GAT与GraphSAGE
PaperWeekly
63+阅读 · 2020年2月27日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
103+阅读 · 2019年11月27日
【论文笔记】Graph U-Nets
专知
76+阅读 · 2019年11月25日
【NeurIPS2019】图变换网络:Graph Transformer Network
重新思考图卷积网络:GNN只是一种滤波器
新智元
27+阅读 · 2019年6月3日
元学习(Meta-Learning) 综述及五篇顶会论文推荐
图卷积神经网络的变种与挑战【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月28日
微信扫码咨询专知VIP会员