Mi az a Graph Isomorphism Network (GIN)?

A Graf Izomorfizmus Hálózat (GIN) egy típusú gráf neurális hálózat (GNN), amelyet a gráfok hatékony megkülönböztetésére terveztek. A GIN azon az elképzelésen alapul, hogy architektúrája képes közelíteni a gráf izomorfizmus teszt (Weisfeiler-Lehman teszt) erejét, ami rendkívül kifejezővé teszi.

A GIN fő ötlete a szomszéd csomópontok jellemzőinek összegzése, majd egy többrétegű perceptron (MLP) alkalmazása. Ez lehetővé teszi a háló számára, hogy jobban megkülönböztesse a gráfstruktúrákat, mint más aggregációs módszerek (például átlag).

Példa a csomópont v jellemzőinek frissítési képletére:

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

ahol:

• (h_v^{(k)}) a v csomópont jellemzői a k rétegen,
• (N(v)) a v csomópont szomszédjainak halmaza,
• (\epsilon^{(k)}) egy tanulható paraméter,
• MLP egy többrétegű perceptron.

Ezért a GIN hatékony olyan feladatokban, ahol fontos a finom szerkezeti különbségek megkülönböztetése a gráfok között.