Autobahn：基于自同构的图神经网络
机器学习
2022-02-04 v3
摘要
我们提出基于自同构的图神经网络（Autobahn），一类新的图神经网络。在 Autobahn 中，我们将图分解为子图的集合，并应用对每个子图自同构群等变的局部卷积。对局部邻域与子图的特定选择可恢复现有架构，如消息传递神经网络。我们的形式体系也包含新颖架构：作为一个例子，我们引入一种将图分解为路径与圈的图神经网络。所得卷积反映了图各部分可变换的自然方式，在保持卷积直观含义的同时不牺牲全局置换等变性。我们通过将 Autobahn 应用于分子图来验证我们的方法，其取得了与最先进消息传递算法相竞争的结果。
引用
@article{arxiv.2103.01710,
title = {Autobahn: Automorphism-based Graph Neural Nets},
author = {Erik Henning Thiede and Wenda Zhou and Risi Kondor},
journal= {arXiv preprint arXiv:2103.01710},
year = {2022}
}
备注
10 pages, 5 figures