抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
グラフは多くの応用において重要な役割を果たす。最近,グラフニューラルネットワーク(GNN)はグラフ解析タスクにおいて有望な結果を達成した。いくつかの最先端のGNNモデル,例えば,グラフ畳込みネットワーク(GCNs),グラフ注意ネットワーク(GATs)などが提案され,これらの成功にもかかわらず,ほとんどのGNNは浅い構造しか持っていない。これはGNNの低い表現力を引き起こす。深層ニューラルネットワークの電力を完全に利用するために,いくつかの深いGNNが最近提案された。しかし,深いGNNの設計は,重要なアーキテクチャ工学を必要とする。本研究では,深いGNN設計を自動化する方法を提案した。提案手法では,特徴再利用を促進し,消失勾配問題を軽減するために,GNN探索空間に新しいタイプのスキップ接続を追加した。また,進化アルゴリズムにより,進化中のGNNの層を増加させ,より深いネットワークを生成した。グラフノード分類タスクにおいて提案手法を評価した。実験は,著者らの方式によって作り出されるGNNが,Cora,Citeer,PubmedおよびPPIデータセットにおける最先端の結果を得ることができることを示した。【JST・京大機械翻訳】