درک آگاهی توپولوژی 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

چکیده

بسیاری از مشکلات بینایی کامپیوتر و یادگیری ماشین به‌عنوان وظایف یادگیری بر روی نمودارها مدل‌سازی می‌شوند، جایی که شبکه‌های عصبی گراف (GNNs)به‌عنوان ابزاری غالب برای یادگیری نمایش داده‌های ساختار یافته نمودار شده‌اند. یکی از ویژگی های کلیدی GNN ها استفاده از ساختارهای گراف به عنوان ورودی است که آنها را قادر می سازد تا از ویژگی های توپولوژیکی ذاتی نمودارها استفاده کنند که به عنوان آگاهی توپولوژی GNN ها شناخته می شود. علی‌رغم موفقیت‌های تجربی GNN‌ها، تأثیر آگاهی توپولوژی بر عملکرد تعمیم ناشناخته باقی می‌ماند، به‌ویژه برای وظایف سطح گره که از فرض مستقل بودن و توزیع یکسان داده‌ها (IID) متفاوت است. تعریف و توصیف دقیق آگاهی توپولوژی GNN ها، به ویژه در مورد…