一种求解图神经扩散网络的保电荷方法
数值分析
2023-12-19 v1 人工智能
机器学习
数值分析
高能物理 - 理论
数学物理
math.MP
摘要
本文旨在对图神经网络（GNN）模型所基于的扩散问题给出系统的数学解释。我们方法的出发点是一个耗散泛函，它导出了动力学方程，使我们能够研究模型的对称性。我们讨论了守恒电荷，并提供了一种保电荷的数值方法来求解动力学方程。在任何动力系统中，以及在图神经扩散（GRAND）中，了解电荷值及其沿演化流的守恒，可以提供一种理解GNN和其他网络如何工作及其学习能力的方法。
引用
@article{arxiv.2312.10279,
title = {A charge-preserving method for solving graph neural diffusion networks},
author = {Lidia Aceto and Pietro Antonio Grassi},
journal= {arXiv preprint arXiv:2312.10279},
year = {2023}
}