Нейроалгоритмические рассуждения: перенос классических вычислений в глубокие нейронные сети

Нейроалгоритмические рассуждения направлены на наделение глубоких нейронных сетей свойствами классических алгоритмов: доказуемой корректностью, сильной обобщаемостью, интерпретируемостью и композиционностью. В этой статье рассматривается, как графовые нейронные сети (Graph Neural Networks, GNN) могут быть спроектированы для согласования с алгоритмами, такими как Беллман-Форд, что позволяет обучаться выполнению таких алгоритмов и обобщаться на большие входные данные. Ключевые инновации включают парадигму «кодирование-обработка-декодирование», максимальную агрегацию и пошаговое супервизорное обучение.