文献

J-GLOBAL ID：202102289045097933   整理番号：21A0578093

グラフネットワークに対する均一プーリング【JST・京大機械翻訳】

Uniform Pooling for Graph Networks

著者 (5件)： Qin Jian (The College of Intelligence Science and Technology, National University of Defense Technology, Changsha 410073, China) ,  Liu Li (The College of System Engineering, National University of Defense Technology, Changsha 410073, China) ,  Liu Li (The Center for Machine Vision and Signal Analysis, University of Oulu, 90014 Oulu, Finland) ,  Shen Hui (The College of Intelligence Science and Technology, National University of Defense Technology, Changsha 410073, China) ,  Hu Dewen (The College of Intelligence Science and Technology, National University of Defense Technology, Changsha 410073, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 18  ページ： 6287  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： グラフ畳込みネットワークは,非ユークリッドドメインに畳込みを拡張するため,多くの注目を集めている。しかし,グラフプール法は,グラフ分類を容易にするために粗いグラフ埋込みを学習できる,まだ少ない。以前のプール法は,各ノードにスコアを割り当て,次に,ノードの全近傍を投棄し,それ故に,最も高いスコアリングノードだけをプールすることに基づいている。ここでは,ノード選択に関する新しい視点を持つ新しいプール化法UGPolを提案した。UGPolはノード特徴に基づくノードスコアを学習し,スコア空間でトップノードの代わりに均一プール隣接ノードを学習し,一様に粗いグラフをもたらす。蛋白質グラフ,生物学的グラフ及び脳連結性グラフを含む多重グラフ分類タスクにおいて,UGPolは高効率を維持しながら他のグラフプール法より優れていることを示した。さらに,UGPolは多重グラフ畳込みネットワークと統合でき,プールなしに比べて性能を効果的に改善することを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *ネットワーク ,  タンパク質 ,  多重化 ,  連結性
準シソーラス用語： 高効率 ,  スコア化 ,  ノード選択 ,  *グラフネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフ畳込みネットワーク ,  グラフプーリング ,  グラフ分類 ,  非ユークリッド構造信号

分類 (1件)： グラフ理論基礎  (IA02020S)

引用文献 (49件)：

• LeCun, Y.; Bengio, Y.; Hinton, G. Deep learning. Nature 2015, 521, 436.
• Mammone, N.; Ieracitano, C.; Morabito, F.C. A deep CNN approach to decode motor preparation of upper limbs from time-frequency maps of EEG signals at source level. Neural Netw. 2020, 124, 357-372.
• Krizhevsky, A.; Sutskever, I.; Hinton, G.E. Imagenet classification with deep convolutional neural networks. In Proceedings of the Advances in Neural Information Processing Systems, Stateline, NV, USA, 3-8 December 2012; pp. 1097-1105.
• He, K.; Zhang, X.; Ren, S.; Sun, J. Deep Residual Learning for Image Recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, 27-30 June 2016.
• Hinton, G.; Deng, L.; Yu, D.; Dahl, G.; Mohamed, A.R.; Jaitly, N.; Senior, A.; Vanhoucke, V.; Nguyen, P.; Kingsbury, B.; et al. Deep Neural Networks for Acoustic Modeling in Speech Recognition. IEEE Signal Process. Mag. 2012, 29, 82-97.

タイトルに関連する用語 (1件)： グラフ