準フレームレット:グラフニューラルネットワークへのもう一つの改善【JST・京大機械翻訳】

Yang Mengxi; Zheng Xuebin; Yin Jie; Gao Junbin

プレプリント

J-GLOBAL ID：202202208840734204 整理番号：22P0026965

準フレームレット:グラフニューラルネットワークへのもう一つの改善【JST・京大機械翻訳】

Quasi-Framelets: Another Improvement to GraphNeural 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10日プレプリントサーバーでの情報更新日： 2022年01月10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)

本論文は,スペクトルグラフニューラルネットワークのためのマルチスケールフレームレット畳込みの新しい設計を提供することを目的とする。スペクトルパラダイムにおいて,スペクトルGNNは,大域的および局所グラフ構造情報の両方を捕捉するために,スペクトル領域における様々なスペクトルフィルタを提案することにより,グラフ学習タスク性能を改善する。既存のスペクトル手法はいくつかのグラフにおいて優れた性能を示すが,グラフ情報が不完全であるか摂動されたとき,それらは柔軟性の欠如に悩まされ,脆弱である。著者らの新しいフレームレット畳込みは,これらの限界を克服するために,スペクトル領域で直接設計されたフィルタリング機能を組み込んだ。提案した畳込みは,切断スペクトル情報において大きな柔軟性を示し,雑音のあるグラフ信号の負の効果を効果的に緩和する。さらに,実世界グラフデータにおける不均一性を利用するために,著者らの新しいフレームレット畳込みを有する不均一グラフニューラルネットワークは,マルチレベルグラフ解析によるメタパスの固有トポロジー情報を埋め込むための解決策を提供した。ノイズのあるノード特徴を有する設定の下で,実世界の不均一グラフと均一グラフに関して大規模な実験を行い,優れた性能結果を達成した。【JST・京大機械翻訳】

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

グラフ理論基礎 , 信号理論

前のページに戻る