要約
グラフ畳み込みニューラルネットワーク（GCNNs）は、深層学習分野における最新の興味深い進歩であり、その応用範囲はバイオインフォマティクス、ケモインフォマティクス、ソーシャルネットワーク、自然言語処理、コンピュータビジョンなど、多岐にわたる領域へ急速に広がっています。本論文では、Hintonらが提案したカプセルのアイデア \cite{hinton2011transforming} を用いて、GCNNモデルの基本的な弱点を明らかにし、解決するために私たちのグラフカプセルネットワーク（GCAPS-CNN）モデルを提案します。さらに、当該モデルを特に現在のGCNNモデルが難題とするグラフ分類問題の解決に設計しました。多数の実験を通じて、提案したグラフカプセルネットワークが既存の最先端の深層学習手法やグラフカーネルよりも大幅に優れた性能を示すことを示しています。注：「多岐にわたる領域」は「multi-cross-domains」を日本語で表現する一般的な言い方です。また、「既存の最先端」は「existing state-of-art」に対応する正式な表現です。