图神经机器：一种用于表格数据学习的新模型
机器学习
2024-02-06 v1 机器学习
摘要
近年来，将不同领域的数据映射到图结构的兴趣日益增长。其中，多层感知机 (MLP) 等神经网络模型可以被建模为图。事实上，MLP 可以表示为有向无环图。图神经网络 (GNN) 最近已成为在图上执行机器学习任务的标准工具。在这项工作中，我们表明 MLP 等价于一种在其图表示上运行的异步消息传递 GNN 模型。随后，我们提出了一种用于表格数据的新机器学习模型，即所谓的图神经机器 (GNM)，该模型用近乎完全的图替换了 MLP 的有向无环图，并采用了同步消息传递方案。我们表明，单个 GNM 模型可以模拟多个 MLP 模型。我们在多个分类和回归数据集上评估了所提出的模型。在大多数情况下，GNM 模型的表现优于 MLP 架构。
引用
@article{arxiv.2402.02862,
title = {Graph Neural Machine: A New Model for Learning with Tabular Data},
author = {Giannis Nikolentzos and Siyun Wang and Johannes Lutzeyer and Michalis Vazirgiannis},
journal= {arXiv preprint arXiv:2402.02862},
year = {2024}
}