9月16日消息,UC伯克利和清華的研究人員提出了一個(gè)圖學(xué)習(xí)框架,稱為隱式圖神經(jīng)網(wǎng)絡(luò)(IGNN),其中的預(yù)測(cè)是基于一個(gè)涉及隱式定義的“狀態(tài)” 向量的不動(dòng)點(diǎn)平衡方程的解。利用Perron-Frobenius理論推導(dǎo)了保證框架良好性的充分條件。利用隱式微分,研究人員推出了一個(gè)易于處理的投影梯度下降方法來訓(xùn)練框架。對(duì)一系列任務(wù)進(jìn)行的實(shí)驗(yàn)表明,IGNN始終能夠捕獲長(zhǎng)期依賴關(guān)系,并優(yōu)于最先進(jìn)的GNN模型。



33


