文献

J-GLOBAL ID：202002229016189268   整理番号：20A0216127

グラフニューラルネットワークのための不変性保存局所活性化関数【JST・京大機械翻訳】

Invariance-Preserving Localized Activation Functions for Graph Neural Networks

著者 (4件)： Ruiz Luana (Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA) ,  Gama Fernando (Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA) ,  Marques Antonio Garcia (Department of Signal Theory and Communications, King Juan Carlos University, Fuenlabrada, Madrid, Spain) ,  Ribeiro Alejandro (Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 68  ページ： 127-141  発行年： 2020年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： グラフ信号はグラフで記述できる不規則な構造を持つ信号である。グラフニューラルネットワーク(GNNs)は,これらのグラフ信号に対して調整された情報処理アーキテクチャであり,非線形活性化関数を有するグラフ畳込みフィルタを構成する積層層から構成される。グラフ畳込みは,グラフノードのラベルの順列に不変性を持つGNNsを与える。本論文では,グラフの構造を考慮した訓練可能な非線形活性化関数の設計を考察した。これはグラフメディアンフィルタとグラフmaxフィルタを用いることにより達成され,線形グラフ畳込みを模倣し,GNNsの置換不変性を保持することを示した。また,局所活性化関数を訓練するために必要な逆伝搬アルゴリズムへの修正についても議論した。4つの数値実験において,局所化活性化関数アーキテクチャの利点を実証した。合成グラフ上の音源位置確認,19世紀の新しいオーサシップ属性,映画推薦システム,および科学論文分類である。全ての場合,局所活性化関数はモデル容量を改善することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *不変性 ,  情報処理 ,  順列 ,  *ニューラルネットワーク ,  計算機アーキテクチャ ,  線形性 ,  フィルタ ,  畳込み ,  メディアンフィルタ
準シソーラス用語： 推奨システム ,  局在化 ,  数値実験 ,  逆伝搬アルゴリズム ,  *活性化関数 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (4件)： グラフニューラルネットワーク ,  不変性 ,  保存 ,  活性化関数