**图神经网络是近几年的热点。**图神经网络(GNN)领域取得了快速和令人难以置信的进展。图神经网络,又称图深度学习、图表示学习或几何深度学习,已成为机器学习特别是深度学习领域发展最快的研究课题之一。这波图论和深度学习交叉的研究浪潮也影响了其他科学领域,包括推荐系统、计算机视觉、自然语言处理、归纳逻辑编程、程序合成、软件挖掘、自动规划、网络安全和智能交通。

将能量最小化的动力系统在几何和物理中是普遍存在的。本文提出一种GNN的梯度流框架,其中方程遵循可学习能量的最速下降方向。这种方法允许从多粒子的角度解释GNN的演化,通过对称的“信道混合”矩阵的正和负特征值学习特征空间中的吸引力和斥力。我们对解决方案进行频谱分析,并得出结论,梯度流图卷积模型可以诱导由图高频主导的动力学,这是理想的异构数据集。我们还描述了通用GNN架构的结构约束,允许将它们解释为梯度流。我们进行了彻底的消融研究,证实了我们的理论分析,并展示了简单和轻量级模型在现实世界的同质性和异质性数据集上的有竞争力的性能。

成为VIP会员查看完整内容
31

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

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
【SIGIR2021】自然语言处理图深度学习,230页ppt
专知会员服务
85+阅读 · 2021年7月23日
【NAACL2021】Graph4NLP:图深度学习自然语言处理,附239页ppt
专知会员服务
72+阅读 · 2021年5月25日
综述| 当图神经网络遇上强化学习
图与推荐
5+阅读 · 7月1日
图神经网络从入门到入门
机器学习与推荐算法
0+阅读 · 2021年8月17日
【GNN】深度学习之上,图神经网络(GNN )崛起
产业智能官
16+阅读 · 2019年8月15日
图数据表示学习综述论文
专知
36+阅读 · 2019年6月10日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 9月28日
Arxiv
0+阅读 · 9月26日
Arxiv
10+阅读 · 2021年6月27日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员