文献

J-GLOBAL ID：202002236418642641   整理番号：20A2283282

GCN-LRP説明:グラフ畳込みネットワークの潜在注意の探索【JST・京大機械翻訳】

GCN-LRP explanation: exploring latent attention of graph convolutional networks

著者 (3件)： Hu Jinlong (South China University of China,Guangdong Key Laboratory of Communication & Computer Network,Guangzhou,China) ,  Li Tenghui (South China University of China,Guangdong Key Laboratory of Communication & Computer Network,Guangzhou,China) ,  Dong Shoubin (South China University of China,Guangdong Key Laboratory of Communication & Computer Network,Guangzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： グラフ畳込みネットワーク(GCN)は,ノード分類のような様々な学習タスクに関する多くのグラフデータにうまく適用されてきた。しかし,GCNの内部論理と決定パターンの理解は限られている。本論文では,GCNsの潜在パターンを探索するために,GCNs,すなわちGCN-LRPのための層ごとの関連性伝播ベースの説明法を提案した。次に,著者らは,GCN-LRP説明によるノード分類タスクのために3つのよく知られた引用ネットワークデータセットと合成グラフデータセットを使用して,GCNがノードとその隣接ノードから情報を集めるとき,実験的に潜在的注意を同定した。(i)GCNは,その近傍と比較するとき,分類されたノードにより多くの注意を払った。(ii)GCNは,すべての隣接ノードに等しく注意を払わない,そして,少数の隣接ノードは,他者より多くの注意を受信した。さらに,著者らはさらに理論的に解析して,発見した。(i)潜在的注意はGCNの再帰的凝集から来る;(ii)隣接ノードは,分類されたノードと十分な隣接を共有するが,他の近傍よりも多くの注意を受信する。(iii)潜在的注意は,モデル訓練によってほとんど変化しなかった。また,潜在的注意によって導入されたGCNの長所と限界,およびGCNsによるグラフデータ学習に対する著者らの知見の意味を議論した。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： 凝集 ,  *畳込み ,  学習 ,  *ネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 説明 ,  グラフ ,  畳込み ,  注意 ,  探索