使用分布式边布局进行图形学习
原文中文，约400字，阅读约需1分钟。发表于：。图神经网络（GNNs）通过基于特定的拓扑布局在邻居节点之间通过边缘传递局部消息来学习图结构化数据。本文首次提出使用具备显式物理能量的玻尔兹曼分布所搭配的 Langevin 动力学全局采样拓扑布局，以提升其在物理世界中的适用性。我们认为这样的采样 / 优化布局能够捕捉广泛的能量分布，并在 WL-test...
本文介绍了一种新的图神经网络（GNNs）模型，使用玻尔兹曼分布和Langevin动力学全局采样拓扑布局，提升其在物理世界中的适用性。实验证明，分布式边缘布局（DELs）能够显著提升GNN基准算法在多个数据集上的性能。
