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
