一种用于图生成的取消池化层
机器学习
2023-03-07 v2 机器学习
摘要
我们提出了一种新颖且可训练的图取消池化层，用于有效的图生成。给定一个带特征的图，该取消池化层放大此图并学习其期望的新结构与特征。由于该取消池化层是可训练的，它可应用于变分自编码器的解码器或生成对抗网络（GAN）的生成器中以进行图生成。我们证明取消池化后的图保持连通，且任何连通图均可从一个3节点图顺序取消池化得到。我们将该取消池化层应用于GAN生成器中。由于图生成研究最广泛的实例是分子生成，我们在此背景下测试我们的想法。使用QM9和ZINC数据集，我们展示了采用取消池化层相较于基于邻接矩阵的方法所获得的改进。
引用
@article{arxiv.2206.01874,
title = {An Unpooling Layer for Graph Generation},
author = {Yinglong Guo and Dongmian Zou and Gilad Lerman},
journal= {arXiv preprint arXiv:2206.01874},
year = {2023}
}