شبكة التوافق الرسومي العصبية: تعلم مشكلة التعيين التربيعي لـ Lawler مع توسيعها إلى الرسومات الفائقة وتوافق الرسومات المتعددة

يشمل مطابقة الرسوم البيانية التحسين التركيبي القائم على مصفوفة الارتباط الحافة إلى الحافة، والتي يمكن صياغتها بشكل عام كمشكلة التعيين التربيعية لـ لولر (QAP). يقدم هذا البحث شبكة QAP تتعلم مباشرة مع مصفوفة الارتباط (أو ما يعادلها من الرسم البياني المرتبط)، حيث يتم تحويل مشكلة المطابقة إلى مهمة تصنيف رؤوس مقيدة. يتم تعلم الرسم البياني المرتبط بواسطة شبكة تمثيلية للرؤوس، يتبعها تطبيع سنكورن وخسارة الإنتروبيا المتقاطعة للتعلم من النهاية إلى النهاية. نحسن أيضًا نموذج التمثيل على الرسم البياني المرتبط من خلال إدخال قيد واعٍ للمطابقة مستند إلى سنكورن، بالإضافة إلى العقد الوهمية لمعالجة عدم تساوي أحجام الرسوم البيانية. حسب علمنا، هذه هي واحدة من أولى الشبكات التي تتعلم مباشرة مع مشكلة QAP العامة لـ لولر. في المقابل، تركز طرق المطابقة العميقة الحديثة على تعلم خصائص العقد/الحافات في رسوم بيانية اثنين على حدة. كما نوضح كيفية توسيع شبكتنا لمطابقة الرسوم البيانية الفائقة ومطابقة رسوم بيانية متعددة. تظهر النتائج التجريبية على كل من الرسوم البيانية الصناعية والصور الواقعية فعاليتها. بالنسبة للمهام النقية QAP على البيانات الصناعية ومعيار QAPLIB، يمكن أن يتنافس أسلوبنا ويتفوق حتى على أفضل حلول مطابقة الرسوم البيانية وحلول QAP بتكلفة زمنية أقل بكثير. نوفر صفحة رئيسية للمشروع في http://thinklab.sjtu.edu.cn/project/NGM/index.html.