gnn 编码器 传播器 聚合器_深度解析 |Principal Neighbourhood Aggregation | 使用多聚合器聚合图信息结构...

最新推荐文章于 2024-09-13 08:50:53 发布
最新推荐文章于 2024-09-13 08:50:53 发布
阅读量1.5k 收藏 2
点赞数 1
文章标签： gnn 编码器 传播器 聚合器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42525800/article/details/113579360
版权
本文深入探讨了图神经网络（GNN）中的编码器、传播器和聚合器，重点介绍了主邻域聚合（PNA）方法，通过使用多种聚合器并结合节点度的缩放器来更有效地处理图信息结构。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

作者 | 李梓盟审稿 | 陈雨洁
今天给大家介绍剑桥大学Pietro Liò团队发表的一项研究工作“Principal Neighbourhood Aggregation for Graph Nets”。作者针对图神经网络(GNNs)的表达力展开研究，将GNN理论框架扩展至连续特征，并从数学上证明了在这种情况下GNN模型对多种聚合函数的需求。基于上述工作，作者还提出主邻域聚合(PNA)网络，将多个聚合器与基于节点度的缩放器相结合, 并通过使用作者新提出的多任务基准以及“encode-process-decode”结构，证明了PNA网络与其他模型相比获得和利用图结构的优越能力。 7f6ff415dee041b52491a240483b6b67.png1

介绍

近年来GNN在图表示学习方面取得很大进展，但由于缺乏评估GNN表达能力的标准基准和理论框架，新提出的GNN模型并没有评估其网络能否准确表示图的结构特性，其模型的有效性很难得到验证。最近关于各种GNN模型表达能力的研究主要集中在同构任务和可数特征空间上，然而这些研究主要侧重于区分不同的图形拓扑能力上，而在了解它们能否捕获并利用图结构的基本特征上所做的工作很少。 作者认为当前GNN的聚合层其实并不能从单层的节点邻域中提取足够的信息，并在数学上证明了对多种聚合的需求。然后作者提出基于节点度的缩放器的概念，使其能够允许GNN根据每个节点的度放大或衰减信号。结合上述内容，作者设计了主邻域聚合(PNA࿰
最低0.47元/天 解锁文章
【GNN】一、基础概念
Aimonii的博客
03-15 172
使用归一化邻接矩阵进行聚合，计算简单，缺乏个性化。使用注意力机制加权邻居，适合异质图，能够学习不同节点关系。使用灵活的聚合方法，适用于不同任务。✅原始 GCN 计算Hl1σHlW0lAHlW1lHl1σHlW0l​AHlW1l​AD−12AD−12AD−21​AD−21​✅加入自连接后的计算Hl1σAHlW1lHl1σAHlW1l​AD−12。
tensorflow实现GNN的max aggregator
silent56_th的博客
11-10 2041
笔者想要实现GNN中的max aggregator，要求如下： 输入：1. 邻接矩阵A∈{0,1}N×NA\in\{0,1\}^{N\times N}A∈{0,1}N×N，2. 各点特征矩阵X∈RN×CX\in R^{N\times C}X∈RN×C 输出：每个点的邻居（点iii和点jjj是邻居⇔A[i,j]=1\Leftrightarrow A[i,j]=1⇔A[i,j]=1）特征值的最大值M∈...
pna:PyTorch，DGL和PyTorch Geometric中图神经网络的主要邻域聚合的实现
04-22
主要邻里聚集 在PyTorch，DGL和PyTorch Geometric中实现图网的主要邻域聚合 。 概述 我们提供PyTorch，DGL和PyTorch Geometric框架中的主要邻域聚合（PNA）的实现，以及用于生成和运行多任务基准的脚本，用于运行实际基准的脚本，灵活的PyTorch GNN框架以及其他实现用于比较的模型。 该存储库的组织方式如下： models包含： pytorch包含在PyTorch中实现的各种GNN模型： 聚合器，缩放器和PNA层（ pna ）的实现 可以与任何类型的图卷积一起使用的灵活GNN框架（ gnn_framework.py ） 本文中用于比较的其他GNN模型的实现，即GCN，GAT，GIN和MPNN dgl包含通过实现的PNA模型：聚合器，缩放器和层。 pytorch_geometric包含通过实现的PNA模型：聚合器，缩放器和图层。
推荐项目：Principal Neighbourhood Aggregation（PNA）
gitblog_00097的博客
06-08 349
推荐项目：Principal Neighbourhood Aggregation（PNA） pnaImplementation of Principal Neighbourhood Aggregation for Graph Neural Networks in PyTorch, DGL and PyTorch Geometric项目地址:https://gitcode.com/gh_mirro...
探索图神经网络的新高度：Principal Neighbourhood Aggregation (PNA) 项目推荐
最新发布
gitblog_00939的博客
09-13 920
探索图神经网络的新高度：Principal Neighbourhood Aggregation (PNA) 项目推荐 pna Implementation of Principal Neighbourhood Aggregation for Graph Neural Networks in PyTorch, DGL an...
gnn 编码器 传播器 聚合器_PNA | 使用多聚合器聚合图信息结构
weixin_39988779的博客
01-29 591
作者 | 李梓盟审稿 | 陈雨洁今天给大家介绍剑桥大学Pietro Liò团队发表的一项研究工作“Principal Neighbourhood Aggregation for Graph Nets”。作者针对图神经网络(GNNs)的表达力展开研究，将GNN理论框架扩展至连续特征，并从数学上证明了在这种情况下GNN模型对多种聚合函数的需求。基于上述工作，作者还提出主邻域聚合(PNA)网络...
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
热门推荐
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
深度学习中的图神经网络最新进展
- Principal Neighbourhood Aggregation：基于主成分分析的邻域聚合方法，旨在捕捉节点局部结构的关键信息。 - Equivariant GNNs：这些网络保证了输入图的平移、旋转等变换下的不变性，增强了模型的泛化能力。 - 3-...
图神经网络架构的最新进展
11-08
Principal Neighbourhood Aggregation (PNA) 则提出了一种通用的邻域聚合策略，以更好地捕获节点的局部和全局上下文信息。此外，还有一些针对特定问题的GNN变体，如3-WL/Ring GNNs、Sparse WL-GNNs以及Low-Rank ...
【论文解读 AAAI2020|AliNet】KnowledgeGraph Alignment Network with Gated Multi-hop Neighborhood Aggregation
byn12345的博客
05-16 5115
论文题目：Knowledge Graph Alignment Network with Gated Multi-hop Neighborhood Aggregation 论文来源：AAAI 2020 南京大学，阿里巴巴 论文链接：https://arxiv.org/abs/1911.08936 代码链接： 关键词：知识图谱，实体对齐，GNN 文章目录1 摘要2 引言3 准备工作3.1 GNN3.2 知识图谱的实体对齐3.3 用于实体对齐的GNN4 知识图谱对齐网络4.1 Gated Multi-hop.
论文笔记-When Do GNNs Work: 理解和改进邻域聚合
test
04-15 4890
When Do GNNs Work: Understanding and Improving Neighborhood Aggregation (IJCAI-20)
【Pyg】GNN中值聚合
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
01-19 1349
目录 1前言 2初始化数据 3直接利用PyTorch实现 4PyG实现 5DGL实现 6总结 1前言 在前面的文章中，介绍了IJCAI上的一篇工作：IJCAI'21 | 理解图卷积网络的结构脆弱性。文章提出了一个鲁棒的中值聚合函数来提高GNN的鲁棒性，那么如何实现这一自定义的聚合函数呢？本文提供了三种方法实现，包括直接利用PyTorch，以及使用PyG和DGL框架进行实现。 2初始化数据 首先，我们先初始化一个简单的图数据 importnetworkxasnx num_no...
PNA | 使用多聚合器聚合图信息结构
DrugAI
07-01 4014
作者 | 李梓盟审稿 | 陈雨洁今天给大家介绍剑桥大学Pietro Liò团队发表的一项研究工作“Principal Neighbourhood Aggregation for Grap...
图机器学习——5.5 广义 GNN 框架：消息传递与聚合
Kanny
05-23 5096
5. 广义视角下的 GNN 框架 GNN 层的本质为：消息（Message） + 聚合（Aggregation）。在这一视角下的有许多不同的实例：GCN，GraphSAGE，GAT等，下面我们将着重讲解这三个不同的实例。 GNN 的总体框架分别包括：1）消息 与 2）聚合，也就是一个网络层中的操作。 3）层与层之间的连接 4）图增广（Graph augmentation） 与 5）学习目标（Learning Object） 下面我们一部分一部分进行分析。 1）消息（Message） 图网络中的
李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记-part1
xiaopihaierletian的博客
12-06 1646
李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记
从特征融合的视角设计图神经网络的拓扑结构
Paper weekly
05-06 2819
©作者 | 卫岚宁，赵欢，贺志强论文标题：Designing the Topology of Graph Neural Networks: A Novel Feature Fusion Perspective论文链接：https://arxiv.org/pdf/2112.14531.pdf代码链接：https://github.com/AutoML-Research/F2...
【计算机视觉】Graph Models算法介绍合集（三）
wzk4869的博客
09-17 742
【计算机视觉】Graph Models算法介绍合集（三）
2019：Answer Them All! Toward Universal Visual Question Answering Models
weixin_42653320的博客
09-17 390
摘要 视觉问题回答(VQA)研究分为两个阵营：第一个关注需要自然图像理解的VQA数据集，第二个关注测试推理的合成数据集。一个好的VQA算法应该同时能够实现，但只有少数VQA算法用这种方法进行测试。我们比较了在覆盖这两个领域的8个VQA数据集上的五种最先进的VQA算法，为了使比较公平，所有的模型都尽可能地标准化了，例如，它们使用相同的视觉特征、答案词汇等。我们发现这些方法并不能推广到这两个领域。为了解决这个问题，我们提出了一种新的VQA算法，它可以在这两个领域上竞争或超过最先进的算法。 一...
深度学习十大算法之图神经网络（GNN）
第欧根尼的酒桶的博客
03-26 8004
神经网络是一种模仿生物神经网络（例如大脑）工作方式的算法，是人工智能和机器学习领域的核心。最简单的神经网络由输入层、若干隐藏层和输出层组成，其中每层包含多个神经元。这些神经元通过带权重的连接相互作用。输入数据在网络中传播，并在每个神经元处进行加权求和和激活函数处理，最终产生输出。神经网络能够通过学习数据中的模式来执行各种复杂任务，如分类、预测等。
GNN去噪自编码器：少样本学习的创新元模型
本文主要探讨了基于GNN(图神经网络)的去噪自编码器在少样本学习中的应用，特别是针对图像分类权值生成的元模型构建。研究由Spyros Gidaris和Nikos Komodakis进行，他们来自巴黎东大学LIGM和巴黎高等理工学院 Ecole ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值