Kas ir Graph Isomorphism Network (GIN)?

Grafu izomorfisma tīkls (GIN) ir veids grafu neironu tīkls (GNN), kas ir paredzēts efektīvi atšķirt grafus. GIN balstās uz ideju, ka tā arhitektūra var aptuveni atdarināt grafu izomorfisma testa (Weisfeiler-Lehman tests) spēku, padarot to ļoti izteiksmīgu.

GIN galvenā ideja ir apkopt kaimiņu mezglu īpašības, izmantojot summu, un pēc tam piemērot daudzslāņu perceptronu (MLP). Tas ļauj tīklam labāk atšķirt grafu struktūras, salīdzinot ar citām apkopošanas metodēm (piemēram, vidējo).

Piemērs mezgla v īpašību atjaunināšanas formulai:

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

kur:

• (h_v^{(k)}) ir mezgla v īpašības k slānī,
• (N(v)) ir kaimiņu kopums mezglam v,
• (\epsilon^{(k)}) ir mācāms parametrs,
• MLP ir daudzslāņu perceptrons.

Tādējādi, GIN ir efektīvs uzdevumos, kur ir svarīgi atšķirt smalkas strukturālas atšķirības starp grafiem.