面向图神经网络的神经优先队列
机器学习
2023-07-20 v1
摘要
图神经网络（GNNs）在神经算法推理中已展现出相当的成功。许多传统算法以数据结构的形式使用显式记忆。然而，在增强 GNNs 外部记忆方面探索有限。本文中，我们提出神经优先队列，一种对应于算法优先队列的可微类比，用于 GNNs。我们提出并论证了记忆模块的期望性质，表明神经 PQ 展现这些性质，并推理其在算法推理中的使用。这在 CLRS-30 数据集上的实证结果得到进一步展示。此外，我们发现神经 PQ 有助于捕捉长程交互，正如在长程图基准上数据集的实证所示。
引用
@article{arxiv.2307.09660,
title = {Neural Priority Queues for Graph Neural Networks},
author = {Rishabh Jain and Petar Veličković and Pietro Liò},
journal= {arXiv preprint arXiv:2307.09660},
year = {2023}
}