欢迎来智东西
登录
免费注册
我的订阅
关注我们
智东西
车东西
芯东西
智东西公开课
UC伯克利联合清华提出隐式图神经网络
2020-09-16
机器之心
33
9月16日消息,UC伯克利和清华的研究人员提出了一个图学习框架,称为隐式图神经网络(IGNN),其中的预测是基于一个涉及隐式定义的“状态” 向量的不动点平衡方程的解。利用Perron-Frobenius理论推导了保证框架良好性的充分条件。利用隐式微分,研究人员推出了一个易于处理的投影梯度下降方法来训练框架。对一系列任务进行的实验表明,IGNN始终能够捕获长期依赖关系,并优于最先进的GNN模型。
加入社群