Towards Deeper Graph Neural Networks
| Project/Area Number |
19K22864
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 61:Human informatics and related fields
|
|---|
| Research Institution | Tokyo University of Agriculture and Technology |
|---|
Principal Investigator |
Tanaka Yuichi 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
|
| Project Status |
Completed (Fiscal Year 2020)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2020: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
Fiscal Year 2019: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
|
|---|
| Keywords | 深層学習 / 信号処理 / グラフ信号処理 / グラフ深層学習 / 深層展開 / サンプリング / グラフニューラルネットワーク / ニューラルネットワーク |
|---|
| Outline of Research at the Start |
グラフ深層学習は，画像等の整列したデータではなく，神経網・交通網などのネットワーク上のデータ，あるいは点群データなどの不均一に分布するデータに対する特徴抽出・分類・認識などに用いられている，深層学習の新しいパラダイムである．本研究では，真に深層とできるグラフ深層学習の実現のため，全スペクトル領域グラフ畳み込みニューラルネットワークを提案することを目標とする．
|
| Outline of Final Research Achievements |
Sampling of signals on graphs: We extend generalized sampling into graph-structured data. We reveal that various signal models studied in standard signal processing are applicable for graph signals.
Deep algorithm unrolling for graph-structured data: We propose a new deep algorithm unrolling method for graph signals. The proposed method outperforms existing graph convolutional neural networks and convex optimization algorithms in several signal restoration problems.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では，グラフ深層学習を真に深層にするための研究に取り組んだ．成果の意義として，以下の2点が挙げられる．1）グラフ上データのシフト不変性に関する議論が必須であること．2) 深層展開と呼ばれる手法の一群がグラフ上データの解析に有効であること．
グラフ深層学習を深層とするための取り組みは機械学習分野において意義のある問いであり，これは理論なしには実現し得ない．本研究による研究成果はグラフ深層学習を真に深層とするための問題点を一部明らかにした．本点は大きな学術的意義があると思われる．
|
Report
(3 results)
Research Products
(6 results)
