GINA：从独立快照中进行神经关系推断
机器学习
2021-06-01 v1 人工智能
信息检索
多智能体系统
物理与社会
摘要
局部交互导致复杂涌现现象的动力学系统在自然与社会中无处不在。本工作探讨从系统组成个体（表示为节点）的观测中推断此类系统未知交互结构（表示为图）的问题。我们考虑底层动力学模型未知、且不同测量（即快照）可能相互独立（例如来自不同实验）的设定。我们提出 GINA（图推断网络架构），一种图神经网络 (GNN)，用于同时学习潜在交互图，并基于该交互图、依据相邻顶点预测节点可观测状态。GINA 基于如下假设：在所有潜在图中，真实交互图能在给定邻节点状态时以最高精度预测节点状态。我们检验该假设，并在广泛的交互图与动力学过程上展示 GINA 的有效性。
引用
@article{arxiv.2105.14329,
title = {GINA: Neural Relational Inference From Independent Snapshots},
author = {Gerrit Großmann and Julian Zimmerlin and Michael Backenköhler and Verena Wolf},
journal= {arXiv preprint arXiv:2105.14329},
year = {2021}
}