Ի՞նչ է Graph Isomorphism Network (GIN)-ը։

Գրաֆի իզոմորֆիզմի ցանցը (GIN) տեսակի գրաֆային նեյրոնային ցանց է (GNN), որը նախագծված է արդյունավետ տարբերելու գրաֆները: GIN-ը հիմնված է այն գաղափարի վրա, որ նրա ճարտարապետությունը կարող է մոտավորել գրաֆի իզոմորֆիզմի թեստի (Weisfeiler-Lehman թեստ) ուժը, ինչը դարձնում է այն շատ արտահայտիչ:

GIN-ի հիմնական գաղափարը հարևան հանգույցների հատկությունների հավաքագրումն է գումարման միջոցով և հետո բազմաշերտ perceptron (MLP) կիրառումը: Սա թույլ է տալիս ցանցին ավելի լավ տարբերել գրաֆների կառուցվածքները այլ հավաքագրող մեթոդների (օրինակ, միջին) համեմատ:

Նմուշ ձևակերպում՝ հանգույց v-ի հատկությունների թարմացման համար՝

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

որտեղ՝

• (h_v^{(k)}) հանգույց v-ի հատկություններն են k շերտում,
• (N(v)) հանգույց v-ի հարևանների հավաքածուն է,
• (\epsilon^{(k)}) սովորելի պարամետր է,
• MLP՝ բազմաշերտ perceptron:

Այսպիսով, GIN արդյունավետ է այն խնդիրների համար, որտեղ կարևոր է տարբերել նուրբ կառուցվածքային տարբերությունները գրաֆների միջև։