Какво е neighborhood aggregation и кои функции се използват (средно, сума, max, LSTM)?

Агрегирането на съседство е ключов механизъм в графовите невронни мрежи (GNN), където за всеки възел се събира информация от съседните възли и се комбинира за актуализиране на неговото представяне.

Основни функции на агрегирането:

• Средно (mean): изчислява средната стойност на характеристиките на съседите, изглаждайки информацията.
• Сума (sum): събира характеристиките, запазвайки броя на съседите.
• Максимум (max): избира максималните стойности на характеристиките, подчертавайки най-изразените характеристики.
• LSTM: използва рекурентна мрежа за последователна агрегация на съседите, като взема предвид реда и сложните зависимости.

Изборът на функция влияе върху способността на модела да улавя структурата на графа и характеристиките на данните. Например, LSTM може по-добре да моделира сложни зависимости, но изисква повече изчисления.

Пример за прост среден агрегатор:

import torch

def mean_aggregate(neighbor_features):
    return torch.mean(neighbor_features, dim=0)