Модель графовой нейронной сети

Во многих областях науки и техники взаимосвязи между данными, например в компьютерном зрении, молекулярной химии, молекулярной биологии, распознавании образов и добыче данных, могут быть представлены в виде графов. В этой статье мы предлагаем новую модель нейронной сети, называемую моделью графовой нейронной сети (GNN), которая расширяет существующие методы нейронных сетей для обработки данных, представленных в графовых доменах. Эта GNN-модель, которая может непосредственно обрабатывать большинство практически полезных типов графов, например ациклические, циклические, ориентированные и неориентированные, реализует функцию τ(G, n) ∈ ℝ^m, которая отображает граф G и один из его узлов n в m-мерное евклидово пространство. Выведен алгоритм обучения с учителем для оценки параметров предлагаемой GNN-модели. Рассматривается также вычислительная стоимость предлагаемого алгоритма. Приведены некоторые экспериментальные результаты, подтверждающие предлагаемый алгоритм обучения и демонстрирующие его способности к обобщению.