Čo je Graph Isomorphism Network (GIN)?

Sieť izomorfizmu grafov (GIN) je typ grafovej neurónovej siete (GNN), navrhnutej na efektívne rozlíšenie grafov. GIN je založená na myšlienke, že jej architektúra je schopná približiť silu algoritmu testu izomorfizmu grafov (test Weisfeiler-Lehman), čo ju robí veľmi výrečnou.

Hlavná myšlienka GIN je agregácia vlastností susedných vrcholov pomocou sčítania a následné použitie viacvrstvového perceptronu (MLP). To umožňuje sieti lepšie rozlíšiť štruktúry grafov v porovnaní s inými metódami agregácie (napríklad priemerom).

Príklad vzorca aktualizácie vlastností vrcholu 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)

kde:

• (h_v^{(k)}) sú vlastnosti vrcholu v na vrstve k,
• (N(v)) je množina susedov vrcholu v,
• (\epsilon^{(k)}) je učiteľný parameter,
• MLP je viacvrstvový perceptron.

Týmto je GIN efektívny pre úlohy, kde je dôležité rozlišovať jemné štrukturálne rozdiely medzi grafmi.