图扭曲模块：一种用于提升图神经网络在分子图分析中能力的辅助模块
机器学习
2019-05-27 v4 机器学习
摘要
图神经网络（GNN）是用于化学分子分析的流行架构，在材料和医药科学中有大量应用。然而，当前为分子分析开发的 GNN 在训练集上拟合不佳，且其性能随网络复杂度的提升并不理想。本文提出一种可附加于 GNN 的辅助模块，能够在不干扰原有 GNN 架构的前提下提升模型的表示能力。我们的辅助模块可附加于多种 GNN，包括生化应用中常用的那些。借助该辅助架构，许多实际使用的 GNN 性能提升更为稳定，在流行的分子图数据集上达到了最先进的性能。
引用
@article{arxiv.1902.01020,
title = {Graph Warp Module: an Auxiliary Module for Boosting the Power of Graph Neural Networks in Molecular Graph Analysis},
author = {Katsuhiko Ishiguro and Shin-ichi Maeda and Masanori Koyama},
journal= {arXiv preprint arXiv:1902.01020},
year = {2019}
}
备注
Augmented experiments, title slightly modified