文献

J-GLOBAL ID：202202268782313271   整理番号：22A0890666

ドロップアウトのある単純化多層グラフ畳込みネットワーク【JST・京大機械翻訳】

Simplified multilayer graph convolutional networks with dropout

著者 (4件)： Yang Fei (School of Computer Science, Wuhan University, Wuhan, China) ,  Zhang Huyin (School of Computer Science, Wuhan University, Wuhan, China) ,  Zhang Huyin (Key Laboratory of Urban Land Resources Monitoring and Simulation, Ministry of Natural Resources, Shenzhen, China) ,  Tao Shiming (School of Computer Science, Wuhan University, Wuhan, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 5  ページ： 4776-4791  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： グラフ畳込みネットワーク(GCN)とそれらの変異体はグラフ構造化データのための優れた深層学習法である。さらに,多層GCNは,反復的に特徴平滑化を実行でき,かなりの性能改善を創出する。しかし,それらは不必要な複雑性と冗長な計算を継承するかもしれない。より悪くなるために,それらは層数が増加するにつれて過剰適合を導入する。本論文では,ドロップアウト(DGCs)による単純化多層グラフ畳込みネットワーク,グラフ従来層間の非線形性除去と重み行列併合を順次行う新しいニューラルネットワークアーキテクチャを提示し,特徴増強を達成し,効果的にオーバーフィッティングを低減するためのドロップアウト層をレバーする。そのような環境下で,まず,浅いGCNを多層GCNに拡張した。次に,多層GCNの複雑性と冗長計算を低減し,一方,その分類性能を改善した。最後に,DGCsは誘導的およびトランスダクティブタスクに容易に適用できる。引用ネットワークとソーシャルネットワークに関する大規模な実験は,提案モデルが最先端の方法に適合するか,または凌ぐという証拠を提供する。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 行列 ,  *畳込み ,  *簡素化 ,  冗長性 ,  データ ,  *ネットワーク ,  分類 ,  平滑化 ,  非線形性 ,  多層 ,  機械学習
準シソーラス用語： 複雑性 ,  社会的ネットワーク ,  ニューラルネットワークアーキテクチャ ,  構造化データ ,  深層学習 ,  引用ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： グラフ畳込みネットワーク ,  多層 ,  ドロップアウト ,  特徴増強

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ドロップ ,  単純化 ,  多層 ,  グラフ ,  畳込み