【AAAI2021】近似梯度下降的学习图神经网络

本文首先给出了一种学习节点信息卷积隐含层的图网学习算法。根据标签是附着在节点上还是附着在图上，研究了两种类型的GNN。在此基础上，提出了一个完整的GNN训练算法收敛性设计和分析框架。该算法适用于广泛的激活函数，包括ReLU、Leaky ReLU、Sigmod、Softplus和Swish。实验表明，该算法保证了对基本真实参数的线性收敛速度。对于这两种类型的GNN，都用节点数或图数来表征样本复杂度。从理论上分析了特征维数和GNN结构对收敛率的影响。数值实验进一步验证了理论分析的正确性。

https://arxiv.org/pdf/2012.03429.pdf

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“AGD” 就可以获取《【AAAI2021】近似梯度下降的学习图神经网络》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源