图极限神经网络与图神经网络的迁移性
机器学习
2020-10-22 v2 机器学习
摘要
图神经网络 (GNNs) 依赖图卷积从网络数据中提取局部特征。这些图卷积使用在所有节点间共享的系数来组合相邻节点的信息。由于这些系数被共享且不依赖于图，可以设想使用相同的系数在另一图上定义 GNN。这促使我们分析 GNN 跨图的迁移性。在本文中，我们引入图极限神经网络 (graphon NNs) 作为 GNN 的极限对象，并证明 GNN 与其极限图极限神经网络输出之间差异的界。若图卷积滤波器在图谱域中是带限的，则该界随节点数增多而消失。这一结果建立了 GNN 的可判别性与迁移性之间的权衡。
引用
@article{arxiv.2006.03548,
title = {Graphon Neural Networks and the Transferability of Graph Neural Networks},
author = {Luana Ruiz and Luiz F. O. Chamon and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:2006.03548},
year = {2020}
}