图神经网络(GNNs)是图信号支持的信息处理体系结构。它们在这里作为卷积神经网络(CNNs)的推广提出,其中每个层包含图卷积滤波器,而不是经典卷积滤波器。滤波器由点态非线性组成并分层堆叠。结果表明,GNN结构对排列的方差相等,对图形变形的稳定性较好。这些特性提供了一个解释的措施,可以观察到的良好性能的GNNs经验。如果图收敛于一个极限对象,图形,GNN收敛于一个相应的极限对象,图神经网络。这种收敛证明了GNN在不同节点数量的网络之间的可迁移性。

https://www.zhuanzhi.ai/paper/c2f153249a7ff16b6b73279c30e7b93f

成为VIP会员查看完整内容
28

相关内容

专知会员服务
43+阅读 · 2020年9月3日
专知会员服务
71+阅读 · 2020年8月25日
专知会员服务
131+阅读 · 2020年8月24日
注意力图神经网络的小样本学习
专知会员服务
190+阅读 · 2020年7月16日
【MIT-ICML2020】图神经网络的泛化与表示的局限
专知会员服务
41+阅读 · 2020年6月23日
【图神经网络(GNN)结构化数据分析】
专知会员服务
113+阅读 · 2020年3月22日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
168+阅读 · 2020年3月10日
必读的7篇IJCAI 2019【图神经网络(GNN)】相关论文-Part2
专知会员服务
58+阅读 · 2020年1月10日
ICML2020 图神经网络的预训练
图与推荐
12+阅读 · 2020年4月4日
图神经网络三剑客:GCN、GAT与GraphSAGE
PaperWeekly
64+阅读 · 2020年2月27日
图神经网络火了?谈下它的普适性与局限性
机器之心
21+阅读 · 2019年7月29日
重新思考图卷积网络:GNN只是一种滤波器
新智元
28+阅读 · 2019年6月3日
清华大学图神经网络综述:模型与应用
机器之心
72+阅读 · 2018年12月26日
图神经网络综述:模型与应用
PaperWeekly
194+阅读 · 2018年12月26日
Arxiv
19+阅读 · 2019年11月23日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
Arxiv
15+阅读 · 2019年9月11日
Arxiv
29+阅读 · 2019年3月13日
Arxiv
3+阅读 · 2018年6月18日
VIP会员
相关主题
相关VIP内容
专知会员服务
43+阅读 · 2020年9月3日
专知会员服务
71+阅读 · 2020年8月25日
专知会员服务
131+阅读 · 2020年8月24日
注意力图神经网络的小样本学习
专知会员服务
190+阅读 · 2020年7月16日
【MIT-ICML2020】图神经网络的泛化与表示的局限
专知会员服务
41+阅读 · 2020年6月23日
【图神经网络(GNN)结构化数据分析】
专知会员服务
113+阅读 · 2020年3月22日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
168+阅读 · 2020年3月10日
必读的7篇IJCAI 2019【图神经网络(GNN)】相关论文-Part2
专知会员服务
58+阅读 · 2020年1月10日
相关资讯
ICML2020 图神经网络的预训练
图与推荐
12+阅读 · 2020年4月4日
图神经网络三剑客:GCN、GAT与GraphSAGE
PaperWeekly
64+阅读 · 2020年2月27日
图神经网络火了?谈下它的普适性与局限性
机器之心
21+阅读 · 2019年7月29日
重新思考图卷积网络:GNN只是一种滤波器
新智元
28+阅读 · 2019年6月3日
清华大学图神经网络综述:模型与应用
机器之心
72+阅读 · 2018年12月26日
图神经网络综述:模型与应用
PaperWeekly
194+阅读 · 2018年12月26日
相关论文
Arxiv
19+阅读 · 2019年11月23日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
Arxiv
15+阅读 · 2019年9月11日
Arxiv
29+阅读 · 2019年3月13日
Arxiv
3+阅读 · 2018年6月18日
微信扫码咨询专知VIP会员