ترجمه فارسی مقاله تحلیل نظری اطلاعات از GNNهای زمانی

چکیده

Temporal Graph Neural Networks, a new and trending area of machine learning, suffers from a lack of formal analysis. In this paper, information theory is used as the primary tool to provide a framework for the analysis of temporal GNNs. For this reason, the concept of information bottleneck is used and adjusted to be suitable for a temporal analysis of such networks. To this end, a new definition for Mutual Information Rate is provided, and the potential use of this new metric in the analysis of temporal GNNs is studied.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی نمودار موقتی ، یک منطقه جدید و روند یادگیری ماشین ، از عدم تجزیه و تحلیل رسمی رنج می برد.در این مقاله ، تئوری اطلاعات به عنوان ابزار اصلی برای ارائه چارچوبی برای تجزیه و تحلیل GNN های زمانی استفاده می شود.به همین دلیل ، از مفهوم تنگنا اطلاعات استفاده می شود و تنظیم می شود تا برای تجزیه و تحلیل زمانی چنین شبکه هایی مناسب باشد.برای این منظور ، تعریف جدیدی برای نرخ اطلاعات متقابل ارائه شده است و استفاده بالقوه از این متریک جدید در تجزیه و تحلیل GNN های زمانی مورد بررسی قرار گرفته است.