GraphMix: تحسين التدريب للشبكات العصبية الرسومية في التعلم شبه المراقب

نقدّم GraphMix، وهي طريقة تنظيمية لتصنيف الكائنات شبه المُراقب باستخدام الشبكات العصبية الرسومية، حيث نقترح تدريب شبكة متصلة بالكامل بالتزامن مع الشبكة العصبية الرسومية من خلال مشاركة المعلمات وتطبيق تنظيم مبني على التداخل. وبالإضافة إلى ذلك، نقدم تحليلًا نظريًا يوضح كيف يحسّن GraphMix حدود التعميم للشبكة العصبية الرسومية الأساسية، دون افتراضات مسبقة حول طبقة "الدمج" أو عمق الشبكة العصبية الرسومية. ونختبر تحليلنا نظريًا من خلال تطبيق GraphMix على هياكل متنوعة مثل شبكات الت convolution الرسومية (Graph Convolutional Networks)، وشبكات الانتباه الرسومية (Graph Attention Networks)، وشبكة Graph-U-Net. وعلى الرغم من بساطتها، نُظهر أن GraphMix يمكنها تحسين الأداء بشكل متسق أو الوصول إلى أداء يقارب الأفضل في المجال، حتى باستخدام هياكل أبسط مثل شبكات الت convolution الرسومية، على ثلاث مجموعات بيانات رسمية معروفة: مجموعات بيانات الشبكات الاستشهادية Cora وCiteseer وPubmed، بالإضافة إلى ثلاث مجموعات بيانات جديدة تم اقتراحها حديثًا: Cora-Full وCo-author-CS وCo-author-Physics.