研究人员开发了一种新颖的图神经网络（GNN）零样本迁移协议，允许在小型、缩减的图副本上训练的模型在无需重新训练的情况下部署到全分辨率图上。这种称为几何重整（GR）的方法，在经过 GR 粗化的图上训练 GNN，然后将学习到的权重直接迁移到原始网络。在合成和真实网络上的实验表明，这种方法在显著降低训练成本的同时保留了重要的预测性能，表明结构相似性而非网络大小是 GNN 可迁移性的关键，并为尺度等变图架构铺平了道路。 AI
影响 这项研究可以显著降低在大规模数据集上训练和部署图神经网络的计算成本。
排序理由 详细介绍图神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
