图神经网络表达能力与用于分子性质回归的元学习
机器学习
2022-11-28 v2 生物大分子
定量方法
摘要
我们展示了与模型无关的元学习算法（特别是 Reptile）在分子回归任务中应用于 GNN 模型的可行性。通过使用元学习，我们仅需少量模型更新即可学习新的化学预测任务，而使用随机初始化的 GNN 则需从零开始学习每个回归任务。我们通过实验表明，GNN 层的表达能力与改进的元学习相关。此外，我们还对 GNN 集成进行了实验，其在 k-shot 学习中取得了最佳性能和快速收敛。
引用
@article{arxiv.2209.13410,
title = {Graph Neural Network Expressivity and Meta-Learning for Molecular Property Regression},
author = {Haitz Sáez de Ocáriz Borde and Federico Barbero},
journal= {arXiv preprint arXiv:2209.13410},
year = {2022}
}