隐式图子神经网络表示
机器学习
2023-04-03 v3
摘要
图子是为生成不同大小图而设计的通用且强大的模型。本文中，我们提出直接使用神经网络对图子建模，得到隐式图子神经网络表示（IGNR）。已有的图子建模与重构工作常以固定分辨率的逐段常数表示来逼近目标图子。我们的 IGNR 的优势在于可表示任意分辨率的图子，并且一旦模型学习完成，便能自然且高效地生成具有所需结构的任意大小图。此外，通过利用 Gromov-Wasserstein 距离，我们允许输入的图数据未对齐且大小不同。我们首先通过在图子学习任务上展示优越性能来证明模型的有效性。随后提出一个可纳入自编码器框架的 IGNR 扩展，并在更通用的图子学习设定下展示其良好性能。我们还表明我们的模型适用于图表示学习与图生成。
引用
@article{arxiv.2211.03329,
title = {Implicit Graphon Neural Representation},
author = {Xinyue Xia and Gal Mishne and Yusu Wang},
journal= {arXiv preprint arXiv:2211.03329},
year = {2023}
}
备注
3 figures