弹性图神经网络
机器学习
2021-07-16 v1 人工智能
神经与进化计算
摘要
尽管许多现有的图神经网络（GNNs）已被证明执行基于 的图平滑以全局强制平滑性，但在本工作中，我们旨在通过基于 的图平滑进一步增强 GNNs 的局部平滑适应性。为此，我们引入了一类基于 和 图平滑的 GNNs（弹性 GNNs）。特别地，我们提出了一种新颖且通用的消息传递方案到 GNNs 中。该消息传递算法不仅利于反向传播训练，而且以理论收敛保证实现了所需的平滑特性。在半监督学习任务上的实验表明，所提出的弹性 GNNs 在基准数据集上获得了更好的适应性，并且对图对抗攻击具有显著鲁棒性。弹性 GNNs 的实现可在 \url{https://github.com/lxiaorui/ElasticGNN} 获取。
引用
@article{arxiv.2107.06996,
title = {Elastic Graph Neural Networks},
author = {Xiaorui Liu and Wei Jin and Yao Ma and Yaxin Li and Hua Liu and Yiqi Wang and Ming Yan and Jiliang Tang},
journal= {arXiv preprint arXiv:2107.06996},
year = {2021}
}
备注
ICML 2021 (International Conference on Machine Learning)