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。
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】