Šta je Graph Isomorphism Network (GIN)?

Mreža izomorfizma grafova (GIN) je vrsta grafovske neuronske mreže (GNN) dizajnirane da efikasno razlikuje grafove. GIN se zasniva na ideji da njena arhitektura može da aproksimira snagu testa izomorfizma grafova (test Weisfeiler-Lehman), što je čini veoma izražajnom.

Glavna ideja GIN je agregacija karakteristika susednih čvorova putem sabiranja i naknadna primena višeslojnog perceptrona (MLP). Ovo omogućava mreži da bolje razlikuje strukture grafova u poređenju sa drugim metodama agregacije (npr. prosekom).

Primer formule za ažuriranje karakteristika čvora 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)

gde:

• (h_v^{(k)}) su karakteristike čvora v na sloju k,
• (N(v)) je skup suseda čvora v,
• (\epsilon^{(k)}) je učljivi parametar,
• MLP je višeslojni perceptron.

Dakle, GIN je efikasan za zadatke gde je važno razlikovanje finih strukturnih razlika između grafova.