Home > AI

Graph Feature Networks (GFN)

linker   ·   发表于 2019-11-18   ·   AI
4 Reply   |  Until 2019-11-18 | 63 View

linker
发表于 2019-11-18

评论列表

  • 加载数据中...

编写评论内容

linker
发表于 2019-11-18

我们比较了GCN和建议的GFN的培训时间。与GCN相比,利用GFN可以显着提高速度(从1.4加快到6.7)特别是对于边缘密度较高的数据集(例如COLLAB数据集)而言。同样,由于我们的GFN使用较少的转换层,因此GFN-light可以通过减少转换层的数量来实现更好的加速。请注意,由于我们的GCN建立在高度优化的框架上,因此已经非常高效。

评论列表

  • 加载数据中...

编写评论内容

linker
发表于 2019-11-18

参考文献

[1] 戴汉俊,戴波和乐松。结构化数据的潜在变量模型的区分性嵌入。在2016年国际机器学习大会上。

[2] MichaëlDefferrard,XavierBresson和Pierre Vandergheynst。具有快速局部频谱滤波的图上的卷积神经网络。在神经信息处理系统的进展中,2016年。

[3] MatthiasFey和Jan E. Lenssen。使用PyTorch Geometric快速学习图形表示。在ICLR关于图形和流形表示学习的研讨会上,2019年。

[4] JustinGilmer,SamuelS Schoenholz,Patrick F Riley,Oriol Vinyals和George EDahl。用于量子化学的神经信息传递。在2017年第34届国际机器学习国际会议论文集中

[5] 威尔·汉密尔顿,英之涛和朱瑞·莱斯科维奇。大图的归纳表示学习。在

神经信息处理系统进展,2017年。

[6] 何开明,张向宇,任少清和孙健。深度残差网络中的身份映射。在2016年欧洲计算机视觉会议上。

[7] 谢尔盖·艾菲(SergeyIoffe)和克里斯蒂安·塞格迪(Christian Szegedy)。批量归一化:通过减少内部协变量偏移来加速深度网络训练。 arXiv预印本arXiv:1502.03167,2015年。

[8] Sergey Ivanov和Evgeny Burnaev。匿名步行嵌入。 arXiv预印本arXiv:1805.119212018。

[9] DiederikP Kingma和Jimmy Ba。亚当:一种用于随机优化的方法。 arXiv预印本arXiv:1412.6980,2014年。

[10] ThomasN Kipf和MaxWelling。图卷积网络的半监督分类。

arXiv预印本arXiv:1609.02907,2016。

[11] JohannesKlicpera,Aleksandar Bojchevski和StephanGünnemann。将神经网络与个性化的页面排名相结合,以对图进行分类。在国际学习表示法会议上,2019年。URL https://openreview.net/forum?id=H1gL-2A9Ym。

[12] 李玉嘉,丹尼·塔洛,马克·布洛克施密特和理查德·泽梅尔。门控图序列神经网络。

arXiv预印本arXiv:1511.05493,2015年。

[13] MathiasNiepert,Mohamed Ahmed和KonstantinKutzkov。学习卷积神经网络图。在2016年国际机器学习大会上。

[14] 佛朗哥·斯卡塞利(Franco Scarselli),马可·高里(Marco Gori),阿忠T,马库斯·哈根布赫纳(Markus Hagenbuchner)和加布里埃尔·蒙法迪尼(Gabriele Monfardini)。图神经网络模型。 IEEE Transactions on Neural Networks,2009年。

[15] NinoShervashidze,Pascal Schweitzer,ErikJanvan Leeuwen,Kurt Mehlhorn和Karsten M Borgwardt。 Weisfeiler-lehman图内核。机器学习研究杂志,2011年。

[16] MartinSimonovsky和Nikos Komodakis。图上卷积神经网络中的动态边缘条件滤波器。在IEEE计算机视觉和模式识别会议论文集(2017年)中。

[17] 吴菲利克斯Felix Wu),张天翼(TianyiZhang),小阿毛里·奥兰达··索萨(AmauriHolandadeSouza Jr),克里斯托弗·五十(Christopher Fifty),陶Tao和基利安·温伯格(Kilian Q Weinberger)。简化图卷积网络。 arXiv预印本arXiv:1902.07153,2019。

[18] 张新义和陈丽慧。胶囊图神经网络。在国际学习表示法会议上,2019年。URL https://openreview.net/forum?id=Byl8BnRcYm。

[19] 徐凯璐(Keyulu Xu),胡卫华(Huaweihua),朱瑞·莱斯科维茨(Jure Leskovec)和史蒂芬妮·耶格尔卡(Stefanie Jegelka)图神经网络有多强大?在2019年国际学习代表大会上.URL https://openreview.net/forum id = ryGs6iA5Km。


评论列表

  • 加载数据中...

编写评论内容

linker
发表于 2019-11-18

GCN/GFN可以分成两层:

  1. 图过滤器层
  2. 集合函数层

评论列表

  • 加载数据中...

编写评论内容
LoginCan Publish Content