რა არის Graph Isomorphism Network (GIN)?

გრაფის იზომორფიზმის ქსელი (GIN) არის გრაფის ნეირონული ქსელის (GNN) ტიპი, რომელიც შექმნილია გრაფების ეფექტურად განასხვავებლად. GIN ეფუძნება იდეას, რომ მისი არქიტექტურა შეუძლია მიახლოება გრაფის იზომორფიზმის ტესტის (Weisfeiler-Lehman ტესტის) ძალას, რაც მას ძალიან გამომსახველს ხდის.

GIN-ის მთავარი იდეაა მეზობელი კვანძების თვისებების აგრეგირება ჯამით და შემდეგ მრავალსაფეხურიანი perceptron-ის (MLP) გამოყენება. ეს საშუალებას აძლევს ქსელს უკეთ განასხვავოს გრაფების სტრუქტურები სხვა აგრეგაციის მეთოდებთან შედარებით (მაგ., საშუალო).

მაგალითი ვერსიის განახლების ფორმულა ვ-კვანძის თვისებებისთვის:

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

სადაც:

• (h_v^{(k)}) ვ-კვანძის თვისებებია კ-ფენაზე,
• (N(v)) ვ-კვანძის მეზობლების ჯგუფია,
• (\epsilon^{(k)}) არის სწავლასადი პარამეტრი,
• MLP არის მრავალსაფეხურიანი perceptron.

ასე რომ, GIN ეფექტურია დავალებებში, სადაც მნიშვნელოვანია ნაზად სტრუქტურული განსხვავებების განასხვავება გრაფებს შორის.