초록
우리는 비유클리드 영역에서 이동 불변 관계를 학습하기 위한 새로운 베이지안 비모수적 방법을 제안합니다. 이로 인해 생성된 그래프 컨볼루션 가우시안 프로세스는 입력 관측치가 일반 그래프 상의 함수인 기계 학습 문제에 적용될 수 있습니다. 이러한 모델의 구조는 컨볼루션 신경망과 마찬가지로 고차원 입력을 처리하면서 표현력을 유지할 수 있습니다. 우리는 이미지와 삼각 메시에 그래프 컨볼루션 가우시안 프로세스를 적용한 사례를 제시하여, 이 모델들의 다재다능성과 효과성을 보여주며, 비교적 단순한 모델임에도 불구하고 기존 방법들보다 우수한 성능을 나타내는 것을 확인하였습니다.