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。

成为VIP会员查看完整内容
63

相关内容

【ICML2020】持续图神经网络,Continuous Graph Neural Networks
专知会员服务
145+阅读 · 2020年6月28日
【清华大学】图随机神经网络,Graph Random Neural Networks
专知会员服务
152+阅读 · 2020年5月26日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
论文浅尝 | GMNN: Graph Markov Neural Networks
开放知识图谱
20+阅读 · 2020年2月14日
【NeurIPS2019】图变换网络:Graph Transformer Network
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13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
赛尔笔记 | 一文读懂图神经网络
哈工大SCIR
81+阅读 · 2019年7月12日
Arxiv
18+阅读 · 2020年7月13日
Arxiv
23+阅读 · 2018年10月24日
Arxiv
6+阅读 · 2018年2月24日
Arxiv
7+阅读 · 2018年1月10日
VIP会员
相关主题
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
论文浅尝 | GMNN: Graph Markov Neural Networks
开放知识图谱
20+阅读 · 2020年2月14日
【NeurIPS2019】图变换网络:Graph Transformer Network
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13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
赛尔笔记 | 一文读懂图神经网络
哈工大SCIR
81+阅读 · 2019年7月12日
微信扫码咨询专知VIP会员