边级图指导神经网络
机器学习
2025-01-09 v2 人工智能
数值分析
数值分析
摘要
图节点上的多任务回归问题最近通过图指导神经网络（Graph-Instructed Neural Network, GINN）得到了处理，这是一种属于消息传递图神经网络子集的有前景的架构。在这项工作中，我们讨论了图指导（Graph-Instructed, GI）层的局限性，并形式化了一种新颖的边级 GI（edge-wise GI, EWGI）层。我们讨论了 EWGI 层的优势，并提供了数值证据表明，在某些图结构输入数据（如从 Barabasi-Albert 图推断出的数据）上，EWGINN 的性能优于 GINN，并且改善了具有混乱连通性的图（如从 Erdos-Renyi 图推断出的图）上的训练正则化。
引用
@article{arxiv.2409.08023,
title = {Edge-Wise Graph-Instructed Neural Networks},
author = {Francesco Della Santa and Antonio Mastropietro and Sandra Pieraccini and Francesco Vaccarino},
journal= {arXiv preprint arXiv:2409.08023},
year = {2025}
}