MLGCN: الشبكات العصبية الرسومية متعددة لابلاسيان للتعرف على الحركات البشرية

تشهد الشبكات العصبية التلافيفية اليوم نجاحًا كبيرًا في حل مشكلات مختلفة للتعرف على الأنماط. وقد صُممت هذه النماذج التعلمية أساسًا لمعالجة البيانات المتجهة مثل الصور، لكن توسيع نطاقها لمعالجة البيانات غير المتجهة والبيانات شبه المهيكلة (مثل الرسوم البيانية ذات الأحجام المتغيرة والهياكل المختلفة) لا يزال يمثل تحديًا كبيرًا، رغم ظهور بعض الحلول المثيرة للاهتمام حاليًا. في هذا البحث، نقدّم MLGCN؛ وهي شبكة تلافيفية رسومية طيفية متعددة لابلاسيان (Multi-Laplacian Graph Convolutional Network) جديدة. تكمن المساهمة الرئيسية لهذه الطريقة في مبدأ تصميم جديد يتعلم فيه لابلاسيانات الرسم البياني كمزيج محدب من لابلاسيانات أساسية أخرى، حيث يُخصص كل لابلاسيان لتركيبة معينة من الرسوم البيانية المدخلة. كما نقدّم أيضًا مشغل تجميع جديد للرسوم البيانية، يعتمد على خطوتين: أولاً، يتم توسيع العقد بناءً على السياق، ثم يُطبّق تجميع متوسط عالمي؛ وتتميّز هذه العملية المكونة من خطوتين بقدرتها على الحفاظ على قدرة التمييز بين العقد مع تحقيق التحويل غير الحساس للترتيب (permutation invariance). وقد أظهرت التجارب التي أُجريت على مجموعتي بيانات SBU وUCF-101 صحة طريقة التعرف على الحركات في المهمة الصعبة للتعرف على الحركات.ملاحق: https://bit.ly/2ku2lYv