2020 Fiscal Year Annual Research Report
Towards Deeper Graph Neural Networks
| Project/Area Number |
19K22864
|
|---|
| Research Institution | Tokyo University of Agriculture and Technology |
|---|
Principal Investigator |
田中 雄一 東京農工大学, 工学(系)研究科(研究院), 准教授 (10547029)
|
|---|
| Project Period (FY) |
2019-06-28 – 2021-03-31
|
| Keywords | 深層学習 / 信号処理 / 深層展開 / サンプリング |
|---|
| Outline of Annual Research Achievements |
本研究では，真に深層とできるグラフ深層学習のための基礎検討に取り組んだ．
実績の1点目として，グラフ上データのサンプリングに対し，一般化サンプリングの考え方を利用して，様々な信号生成モデルに対して信号の復元が可能であることを示した．特に，グラフ上データの1)部分空間モデル，2)smoothnessモデル，3)統計的モデルに関して信号のサンプリングから復元まで，一貫した理論が成り立つことを示した．本成果は通常の信号に対するサンプリングとグラフ上データに対するサンプリングを結びつけるものである．また，グラフ上データのサンプリングに関する総説論文を発表した．
実績の2点目として，深層展開を用いたグラフ上データの復元手法を実現したことが挙げられる．従来グラフ深層学習では，グラフ畳込みニューラルネットワーク（GCN）等が用いられていた．これは画像に対する畳込みニューラルネットワーク（CNN）の拡張に相当するが，GCNではCNNと異なり，レイヤー（＝層）を深くしても性能がそれほど向上しないことが知られている．我々はその現状を打破すべく，（凸）最適化の繰り返しアルゴリズムのパラメータを深層学習手法を用いて学習する深層展開をグラフ上データへ応用した．結果として，通常のGCNや凸最適化に基づく手法と比較して，ノイズ除去や補間に対して大幅な性能向上を果たした．
得られた成果はIEEE論文誌・国際会議で採択された．
|
