图输入的神经网络架构答案

【问题标题】：Neural Network Architecture for Graph Inputs [closed]图输入的神经网络架构
【发布时间】：2020-06-21 20:27:49
【问题描述】：

我有一个无向图，其边距离相等，每个节点有 7 个特征。我想用这个图作为输入和输出一个标量来训练一个神经网络。我的网络需要什么网络架构来分析本地图（例如，节点及其邻居）并进行概括，就像卷积神经网络对网格数据进行操作一样。我听说过图神经网络，但我不知道这是否是我正在寻找的。它能否像 CNN 处理图像一样分析我的图，分享卷积核带来的泛化优势？

我想在 TensorFlow 中实现解决方案，最好使用 Keras。

谢谢

【问题讨论】：

标签： python machine-learning graph neural-network tensorflow2.0

【解决方案1】：

性能很可能取决于您希望获得的确切输出。根据您的描述，2D-CNN 应该足够好，并且使用 Keras 比 GNN 更容易实现。

但是，从数据中保留图形结构有一些优势。我觉得这里介绍的太多了，但是你可以在 Wang 等人的“Metropolis 中蜂窝交通的时空分析与预测”中找到适当的解释。

本文还具有描述输入网络的数据处理的好处。

如果您不想使用基本的 Keras 模型来组装自己的 GNN，您可能还想看看 Spektral，这是一个用于图形深度学习的 Python 库。

如果没有任何其他限制，我会首先使用 CNN，因为使用 Keras 中几乎可以使用的模型来实现它会更快。

【讨论】：

如果我有图结构，如何使用 CNN？这是我不明白的。
在一天结束时，您仍然需要从节点中提取特征并将它们组织成适合输入深度学习模型之一的结构，例如张量或多维数组。您如何安排数据主要取决于您的特定场景。我提供的文章中有一节关于时空建模，详细介绍了他们的特定情况。这可能有助于您深入了解一种可能的方法。