关于图分类网络、数据集与基线
机器学习
2019-05-14 v1 机器学习
摘要
图分类受到非欧几里得机器学习界的广泛关注。图粗化的最新进展使得更深网络的训练成为可能，并在许多基准任务中取得了新的最优结果。我们考察了这些架构的训练方式，发现其性能对初始化高度敏感，并且强烈依赖于跳跃知识结构。我们随后表明，尽管这些模型极为复杂，最简单的模型——结构盲MLP、单层GCN与固定权重GCN——也能取得有竞争力的性能，并建议在未来工作中将这些模型作为基线纳入。
引用
@article{arxiv.1905.04682,
title = {On Graph Classification Networks, Datasets and Baselines},
author = {Enxhell Luzhnica and Ben Day and Pietro Liò},
journal= {arXiv preprint arXiv:1905.04682},
year = {2019}
}
备注
Submitted to the ICML 2019 Workshop on Learning and Reasoning with Graph-Structured Data