Что такое Graph Isomorphism Network (GIN)?

Graph Isomorphism Network (GIN) — это тип графовой нейронной сети (GNN), разработанный для эффективного различения графов. GIN основан на идее, что его архитектура способна аппроксимировать мощность алгоритма проверки изоморфизма графов (Weisfeiler-Lehman test), что делает его очень выразительным.

Основная идея GIN — агрегация признаков соседних вершин с помощью суммирования и последующего применения многослойного перцептрона (MLP). Это позволяет сети лучше различать структуры графов по сравнению с другими методами агрегации (например, усреднением).

Пример формулы обновления признаков вершины 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)

где:

• (h_v^{(k)}) — признаки вершины v на k-ом слое,
• (N(v)) — множество соседей вершины v,
• (\epsilon^{(k)}) — обучаемый параметр,
• MLP — многослойный перцептрон.

Таким образом, GIN эффективен для задач, где важно различать тонкие структурные различия между графами.