초록
우리는 부분적으로 관찰된 그래픽 모델에서의 추론 문제를 소수 샘플 학습(few-shot learning) 연구에 적용하여 이를 연구하고자 합니다. 이 그래픽 모델은 레이블이 관찰되었거나 그렇지 않은 입력 이미지들의 집합으로 구성됩니다. 일반적인 메시지 전달 추론 알고리즘을 신경망 대응체와 연관시키면서, 우리는 최근 제안된 여러 소수 샘플 학습 모델을 일반화하는 그래프 신경망 구조를 정의합니다. 우리의 프레임워크는 개선된 수치적 성능을 제공할 뿐만 아니라, 준지도 학습(semi-supervised learning)이나 능동 학습(active learning)과 같은 소수 샘플 학습의 변형에도 쉽게 확장될 수 있어, 그래프 기반 모델이 '관계적(relational)' 작업에서 잘 작동할 수 있는 능력을 보여줍니다.