[論文レビュー] Graph Normalizing Flows

Jenny Liu, Aviral Kumar+3 more|arXiv (Cornell University)|May 30, 2019

Advanced Graph Neural Networks参考文献 30被引用数 39

ひとこと要約

提供されたテキストは NeurIPS のフォーマット作成指示であり、Graph Normalizing Flows の実際の論文内容ではありません。

ABSTRACT

We introduce graph normalizing flows: a new, reversible graph neural network model for prediction and generation. On supervised tasks, graph normalizing flows perform similarly to message passing neural networks, but at a significantly reduced memory footprint, allowing them to scale to larger graphs. In the unsupervised case, we combine graph normalizing flows with a novel graph auto-encoder to create a generative model of graph structures. Our model is permutation-invariant, generating entire graphs with a single feed-forward pass, and achieves competitive results with the state-of-the art auto-regressive models, while being better suited to parallel computing architectures.

研究の動機と目的

• 入力には論文の目的が含まれていません。Graph Normalizing Flows の内容というよりも、NeurIPS 2019 のフォーマットガイドラインのように見えます。

提案手法

• 提供されたテキストには方法論的な詳細が含まれていません。NeurIPS 提出のためのフォーマット規則と例から成り立っています。

実験結果

リサーチクエスチョン

• RQ1 提供されたテキストには研究質問が含まれていません。

主な発見

• 提供されたテキストには発見が含まれていません。