학습과 연결 조정
그래프 재연결은 메시지가 이동하는 통로를 바꾸는 방법이다. DiffWire는 Lovász 경계에 바탕을 두고 미분 가능하며 새로운 그래프에도 적용하는 귀납적 재연결 틀을 제안한다.
서로 보완하는 두 층
CT-Layer는 왕복 시간을 학습하고 이를 간선의 중요도를 나타내는 함수로 사용해 가중치를 조정한다. GAP-Layer는 네트워크와 과제의 성격에 맞춰 스펙트럼 간격을 최적화한다.
평가한 범위
두 층의 효과를 각각 그래프 분류 벤치마크에서 평가했다. CT-Layer에 대해서는 유사한 표지끼리 연결되는 그래프와 서로 다른 표지가 연결되는 그래프의 노드 분류도 예비 실험으로 조사했다.
관련 문서
FoSR / 곡률 기반 그래프 재연결 / 유효 저항 기반 그래프 재연결 / 그래프 신경망 / H2GCN / 그래프