《EdgeGNN：面向资源受限设备的高效GNN架构搜索》作者：李秀文，方维维【PDF】

书呆熊

　　EdgeGNN：面向资源受限设备的高效GNN架构搜索
　　李秀文，方维维
　　（北京交通大学计算机科学与技术学院，北京，100044）
　　摘要：图神经网络（GraphNeuralNetworks,GNNs）在处理非欧几里得数据方面表现出色，但其设计通常需要大量的专业知识和反复调整。尽管神经架构搜索（NeuralArchitectureSearch,NAS）已成功实现卷积神经网络和递归神经网络的自动化设计，但将其应用于GNNS，特别是在资源受限的边缘设备上的优化，仍然面临挑战。本文旨在减少GNN架构设计中对专业知识和反复调整的依赖，特别关注在边缘设备上的高效部署。为此，本文提出了一种基于强化学习的神经架构搜索框架EdgeGNN，旨在自动发现高精度、低延迟的GNN架构。本研究采用联合优化策略，同时考虑整体模型的准确性和受硬件影响的推理延迟。在多个基准数据集上的实验结果表明，使用本研究方法发现的GNN架构在模型大小和推理速度方面显著优于现有基线，同时保持了竞争力的预测准确性。
　　关键词：人工智能；图神经网络；神经架构搜索
　　中图分类号：TP181