深層学習モデルは、コンピュータビジョンや自然言語処理などの多くの分野で大きな成功を収めています。しかし、これらの分野とは異なり、グラフデータには伝統的な深層学習モデルを適用することが困難です。これは、「ノード順序の無関係性」（node-orderless）という特性によるものです。通常、隣接行列はグラフに人工的かつランダムなノード順序を課しますが、これにより深層モデルのグラフ分類タスクにおける性能が非常に不安定になり、そのようなモデルによって学習された表現には明確な解釈可能性が欠けてしまいます。この不要なノード順序制約を排除するために、我々は新しいモデルである同型ニューラルネットワーク（Isomorphic Neural Network, IsoNN）を提案します。IsoNNは、入力グラフとテンプレート間のグラフマッチングを通じて同型特徴を抽出することにより、グラフ表現を学習します。IsoNNには主に2つの構成要素があります：グラフ同型特徴抽出部と分類部です。グラフ同型特徴抽出部では、一連の部分グラフテンプレートをカーネル変数として使用し、入力グラフに存在する可能な部分グラフパターンを学習した後、同型特徴量を計算します。この部においては、行列表現によってもたらされるノード順序を取り除くために一連の置換行列が使用されます。IsoNNの分類部では3つの全結合層が使用されています。ベンチマークデータセット上で広範な実験が行われました。実験結果はISO NNの有効性を示しており、特に古典的な方法や最先端のグラフ分類手法と比較して優れた性能を発揮しています。