ResGCN:属性ネットワーク上の異常検出のための注意ベース深層残差モデリング【JST・京大機械翻訳】

Pei Yulong; Huang Tianjin; van Ipenburg Werner; Pechenizkiy Mykola

プレプリント

J-GLOBAL ID：202202206044846405 整理番号：22P0195896

ResGCN:属性ネットワーク上の異常検出のための注意ベース深層残差モデリング【JST・京大機械翻訳】

ResGCN: Attention-based Deep Residual Modeling for Anomaly Detection on Attributed 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： 2020年09月30日プレプリントサーバーでの情報更新日： 2020年09月30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)

属性ネットワークにおける異常ノードを効果的に検出することは, fraudや侵入検出のような多くの実世界アプリケーションの成功にとって重要である。既存のアプローチには,スパース性と非線形性捕捉,残差モデリング,およびネットワーク平滑化という3つの主要な問題がある。著者らは,これらの問題に取り組むことができる注意ベースの深い残差モデリングアプローチである,残差グラフ畳込みネットワーク(ResGCN)を提案する:GCNによる属性ネットワークのモデリングは,スパース性と非線形性を捉えることができる;深層ニューラルネットワークの利用は入力から残差を直接学習することを可能にし,残差ベース注意機構は異常ノードからの悪影響を低減し,過剰平滑化を防ぐ。いくつかの実世界属性ネットワークに関する大規模な実験は,異常検出におけるResGCNの有効性を実証した。【JST・京大機械翻訳】

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

ニューロコンピュータ , システム・制御理論一般

, , , , ,

前のページに戻る