文献

J-GLOBAL ID：202202260856097962   整理番号：22A1195394

再構成誤差に基づく同形グラフ分類モデル【JST・京大機械翻訳】

Isomorphic Graph Classification Model Based on Reconstruction Error

著者 (4件)： Jiang Guangfeng (東南大学自動化学院,南京210096) ,  Hu Pengcheng (東南大学自動化学院,南京210096) ,  Ye Hua (東南大学自動化学院,南京210096) ,  Yang Yanlan (東南大学自動化学院,南京210096)
資料名： Jisuanji Kexue Yutansuo  (Jisuanji Kexue Yutansuo)
巻： 16  号： 1  ページ： 185-193  発行年： 2022年 
JST資料番号： C2939A  ISSN： 1673-9418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在、深さ学習方法は図分類モデルの重点に集中し、畳み込みニューラルネットワークを図データ領域に移動させ、重定義巻積層と池化層を含む。コンボリューション操作はグラフデータに一般化して有効な方法であるが、コンボリューションとプール化のいずれも大きな改善空間が存在し、特にネットワークトポロジー情報を抽出する方面にある。再構成誤差に基づく同形グラフ分類モデルを提案し,一方,改良同形グラフコンボリューションネットワークWaveGICを用いて,トポロジー情報抽出能力を強化し,一方,多重注意機構を用いて,全グラフを特徴付け,そして,このモデルは,キーノード情報に,注目することができた。ネットワークが深くなるため、局部トポロジーの特徴表現はますます顕著ではない。分類損失に基づいて,再構成誤差損失を追加して,グラフのノード特性とトポロジーを分類する。ベンチマークデータセットに関する実験結果は,提案した方式が高精度であることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *グラフ ,  畳込み ,  情報 ,  データ ,  ネットワーク ,  ネットワーク構造 ,  多重化 ,  再構成 ,  ベンチマーク ,  情報抽出
準シソーラス用語： ネットワークトポロジー ,  高精度 ,  *分類モデル ,  特徴表現 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 再構成 ,  誤差 ,  グラフ ,  分類モデル