神经网络==关系图：《Graph Structure of Neural Networks》

Graph to Neural Networks论文

原文下载：《Graph Structure of Neural Networks》

介绍：（据我理解）FAIR实验室和斯坦福Jure Leskovec实验室合作的Jiaxuan You一作文章，github源代码

摘要

太长不看版

1. 将神经网络架构解释成了关系图的消息传递（这直接用图神经网络GNN来解释神经架构搜索NAS这个看上去毫不相干的领域）
2. 作者在合成图中来搜索最强性能神经网络
3. 作者提出的搜索神经网络架构的策略在不同数据集上一致，并且神经网络架构性能在两个measure中连续

原文翻译

神经网络通常被表示为神经元之间的连接图。
然而，尽管它们被广泛使用，目前人们对神经网络图结构与其预测性能之间的关系知之甚少。
在这里，我们系统地研究了神经网络的图结构是如何影响其预测性能的。
为此目的，
我们开发了一种新的基于图的神经网络表示，称为关系图，其中神经网络的计算层对应于沿着图结构的几轮消息交换。
NN使用这种关系图表示，我们表明：(1)关系图的甜蜜点(sweet spot)导致神经网络的预测性能显着提高；(2)神经网络的性能