#今日论文推荐#DeepMind研究者将范畴论、抽象代数组合,发现GNN与DP之间的联系
图神经网络 (GNN) 与动态规划 (DP)之间的关系应该如何描述?DeepMind 的研究者推导出了一个通用的积分变换图,证明 GNN 和 DP 之间存在着错综复杂的联系,远远超出对个别算法如 Bellman-Ford 的最初观察。
近年来,基于图神经网络 (GNN) 的神经算法推理的进步得益于算法式对齐(algorithmic alignment)概念的提出。从广义上讲,如果神经网络的各个组件与目标算法很好地对齐,那么神经网络将更好地学习执行推理任务(就样本复杂度而言)。具体来说,GNN 被认为与动态规划 (DP) 一致,而后者是一种表达多项式时间算法的通用问题解决策略。然而,这种对齐方式是否真正得到了证明和理论上的量化?
来自 DeepMind 的研究者使用范畴论和抽象代数的方法表明,GNN 和 DP 之间存在着错综复杂的联系,远远超出了 Bellman-Ford 等单个算法的最初观察结果。得知这种联系后,很容易验证文献中一些之前的发现,DeepMind 希望它能成为构建更强大算法式对齐 GNN 的基础。
论文题目:GRAPH NEURAL NETWORKS ARE DYNAMIC PROGRAMMERS
详细解读:https://www.aminer.cn/research_report/6281ca397cb68b460fb97985?download=falsehttps://www.aminer.cn/research_report/6281ca397cb68b460fb97985?download=false
AMiner链接:https://www.aminer.cn/?f=cs