图神经网络(GNNs)是用于图学习问题的盛行模型。在许多实践使命中,GNNs表现出强壮的经历功能才能。但是,其理论特点没有彻底说明。在本文中,咱们从GNNs的表达才能的视点研讨它们是否能运用图结构。在咱们的剖析中,咱们考虑由躲藏节点特征操控的图生成进程,这些特征包含了关于图结构的一切信息。这个结构的一个典型比如是依据躲藏特征构建的kNN图。在咱们的首要成果中,咱们标明,即便在一切节点特征(包含躲藏特征自身和任何直接提示)都不可用的情况下,GNNs也能够仅从输入图中康复躲藏节点特征。GNNs还能够正常的运用康复的节点特征进行下流使命。这些依据成果得出,GNNs能够彻底自主地运用图结构,并且在实践上,GNNs能够在下流使命中运用躲藏和显式节点特征。在试验中,咱们经过展现根据咱们理论剖析构建的GNN架构能够精确地康复躲藏特征,证明了咱们的成果的有效性。
特别声明:以上内容(如有图片或视频亦包含在内)为自媒体渠道“网易号”用户上传并发布,本渠道仅供给信息存储服务。
网红“峰哥”称在乌克兰遭华人劫持团伙盯上,识破美人,现已离乌但未脱险
《编码物候》展览开幕 北京年代美术馆以科学艺术解读数字与生物交错的世界节律
双十一 VR / AR 产品选购引荐:HTC VIVE XR 精英套装直降2360元
银昕星斗 SETA A2 机箱上市:玫瑰金 + 白色 999 元,黑色 899 元
高通骁龙 8 至尊版芯片运转《荒野大镖客:救赎》:帧率 200 FPS