因子图神经网络
机器学习
2019-06-04 v1 机器学习
摘要
大多数成功的深度神经网络架构都是结构化的，通常由卷积神经网络和门控循环神经网络等元素构成。近来，图神经网络已成功应用于点云和分子数据等图结构数据。这些网络通常仅考虑成对依赖，因为它们在图结构上运作。我们将图神经网络推广为因子图神经网络（FGNN），以捕获更高阶依赖。我们表明FGNN能够表示最大积置信传播——一种概率图模型上的近似推断算法；因此当最大积表现良好时它也能表现良好。在合成与真实数据集上的可喜结果证明了所提模型的有效性。
引用
@article{arxiv.1906.00554,
title = {Factor Graph Neural Network},
author = {Zhen Zhang and Fan Wu and Wee Sun Lee},
journal= {arXiv preprint arXiv:1906.00554},
year = {2019}
}