HyperAIHyperAI

Command Palette

Search for a command to run...

SLAPS:自己教師あり学習がグラフニューラルネットワークの構造学習を改善する

Bahare Fatemi Layla El Asri Seyed Mehran Kazemi

概要

グラフニューラルネットワーク(GNN)は、グラフ構造が事前に提供されている場合に優れた性能を発揮する。しかし、実世界の応用においては、その構造が常に入手可能であるとは限らない。この問題に対する一つの解決策として、タスク固有の潜在的構造を推定し、その推定されたグラフにGNNを適用する手法が挙げられる。しかしながら、可能なグラフ構造の空間はノード数の増加に伴い超指数的に増大するため、構造とGNNパラメータの両方を学習するためのタスク固有の教師信号は不十分となる可能性がある。本研究では、自己教師学習(self-supervision)を用いてグラフ構造の推定に向けたより豊かな監視信号を提供する、隣接行列とGNNパラメータの同時学習手法「SLAPS(Simultaneous Learning of Adjacency and GNN Parameters with Self-supervision)」を提案する。包括的な実験により、SLAPSが数十万ノード規模の大きなグラフにもスケーラブルであり、既存のタスク固有のグラフ構造を学習するための複数のモデルと比較して、既存ベンチマーク上での性能で優れていることが実証された。


AIでAIを構築

アイデアからローンチまで — 無料のAIコーディング支援、すぐに使える環境、最高のGPU価格でAI開発を加速。

AI コーディング補助
すぐに使える GPU
最適な料金体系

HyperAI Newsletters

最新情報を購読する
北京時間 毎週月曜日の午前9時 に、その週の最新情報をメールでお届けします
メール配信サービスは MailChimp によって提供されています
SLAPS:自己教師あり学習がグラフニューラルネットワークの構造学習を改善する | 記事 | HyperAI超神経