グラフニューラルネットワークのための分割ベースアクティブ学習【JST・京大機械翻訳】

Ma Jiaqi; Ma Ziqiao; Chai Joyce; Mei Qiaozhu

プレプリント

J-GLOBAL ID：202202202576461840 整理番号：22P0278551

グラフニューラルネットワークのための分割ベースアクティブ学習【JST・京大機械翻訳】

Partition-Based Active Learning for Graph Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月23日プレプリントサーバーでの情報更新日： 2023年03月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

アクティブ学習セットアップにおけるグラフニューラルネットワーク(GNN)による半教師つき学習の問題を研究した。GNNのための新しい分割ベースアクティブ学習アプローチであるGraphPartを提案した。グラフPartは最初にグラフを互いに素な分割に分割し,次に各分割内の代表的ノードをクエリに選択する。提案方法は,グラフとノード特徴に関する現実的平滑仮定の下で分類誤差の新しい解析によって動機づけられる。多重ベンチマークデータセットに関する広範な実験は,提案した方法が,広範囲の注釈予算制約の下で,GNNのための既存のアクティブ学習法より優れていることを実証した。さらに,提案手法は,特にラベル付き検証セットが利用できないようなアクティブ学習設定において,モデル訓練にとって極めて重要である付加的ハイパーパラメータを導入しなかった。【JST・京大機械翻訳】

, , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

前のページに戻る