摘要

在本研究中，我们提出采用信息几何工具来优化图神经网络架构，例如图卷积网络（Graph Convolutional Networks）。具体而言，我们通过在优化过程中引入自然梯度信息，为基于图的半监督学习问题设计了相应的优化算法。该方法能够高效利用底层统计模型或参数空间的几何结构，从而提升优化与推断的效率。据我们所知，这是首次将自然梯度应用于图神经网络优化的研究，且该方法可拓展至其他半监督学习任务。为此，我们开发了高效的计算算法，并开展了广泛的数值实验，结果表明，所提出的算法在性能上显著优于现有的ADAM和SGD等优化方法。