Co je to Graph Isomorphism Network (GIN)?

Síť izomorfismu grafů (GIN) je typ grafové neuronové sítě (GNN), navržené tak, aby efektivně rozlišovala grafy. GIN je založena na myšlence, že její architektura je schopna aproximovat sílu algoritmu testu izomorfismu grafů (test Weisfeiler-Lehman), což ji činí velmi výkonnou.

Hlavní myšlenkou GIN je agregace vlastností sousedních vrcholů pomocí sčítání a následné použití vícevrstvého perceptronu (MLP). To umožňuje síti lépe rozlišovat struktury grafů ve srovnání s jinými metodami agregace (například průměrem).

Příklad vzorce aktualizace vlastností vrcholu v:

h_v^{(k)} = MLP^{(k)} \left( (1 + \epsilon^{(k)}) \cdot h_v^{(k-1)} + \sum_{u \in N(v)} h_u^{(k-1)} \right)

kde:

• (h_v^{(k)}) jsou vlastnosti vrcholu v na vrstvě k,
• (N(v)) je množina sousedů vrcholu v,
• (\epsilon^{(k)}) je učitelný parametr,
• MLP je vícevrstvý perceptron.

Tímto je GIN efektivní pro úlohy, kde je důležité rozlišovat jemné strukturální rozdíly mezi grafy.