بررسی آگاهی توپولوژی، تعمیم و یادگیری فعال در شبکه های عصبی گراف

جدول پیوندها

چکیده و 1 مقدمه

2 کارهای مرتبط

3 چارچوب

4 نتایج اصلی

5 مطالعه موردی در کوتاهترین مسافت

6 نتیجه گیری و بحث، و مراجع

7 اثبات قضیه 1

8 اثبات قضیه 2

9 روش حل معادله (6)

10 آزمایش های اضافی جزئیات و نتایج

11 کاربردهای بالقوه دیگر

2.1 آگاهی توپولوژی از GNN

معماری‌های مدرن GNN از آزمون ایزومورفیسم Weisfeiler-Lehman الهام گرفته‌اند [12,19]، که از ساختار نمودار برای انتشار اطلاعات استفاده می کند. در نتیجه، بخش قابل توجهی از ادبیات موجود در مورد GNN ها بر درک توانایی آنها در تمایز ساختارهای مختلف نمودار متمرکز است که به عنوان قدرت بیانی GNN شناخته می شود. [28–30, 44, 48, 50]. با الهام از مطالعات بیانی، معمولاً اعتقاد بر این است که افزایش آگاهی از توپولوژی به طور جهانی سودمند است و بسیاری از مطالعات بر توانمندسازی GNN ها برای حفظ خواص ساختاری بیشتر در نمایش آموخته شده تمرکز می کنند. [29, 33, 48]. با این وجود، پیامدهای دقیق افزایش آگاهی توپولوژی بر عملکرد تعمیم GNN ها…