Fugu-MT 論文翻訳(概要): Graph Anisotropic Diffusion

論文の概要: Graph Anisotropic Diffusion

arxiv url: http://arxiv.org/abs/2205.00354v1
Date: Sat, 30 Apr 2022 22:13:20 GMT
ステータス: 処理完了
システム内更新日: 2022-05-03 15:32:49.203124
Title: Graph Anisotropic Diffusion
Title（参考訳）: グラフ異方性拡散
Authors: Ahmed A. A. Elhag, Gabriele Corso, Hannes St\"ark, Michael M. Bronstein
Abstract要約: グラフ異方性拡散(Graph Anisotropic Diffusion)と呼ばれる新しいGNNアーキテクチャを提案する。我々のモデルは、閉形式解が利用できる線形拡散と、効率的なマルチホップ異方性カーネルを得るための局所異方性フィルタを交互に行う。
参考スコア（独自算出の注目度）: 15.22604744349679
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Traditional Graph Neural Networks (GNNs) rely on message passing, which amounts to permutation-invariant local aggregation of neighbour features. Such a process is isotropic and there is no notion of `direction' on the graph. We present a new GNN architecture called Graph Anisotropic Diffusion. Our model alternates between linear diffusion, for which a closed-form solution is available, and local anisotropic filters to obtain efficient multi-hop anisotropic kernels. We test our model on two common molecular property prediction benchmarks (ZINC and QM9) and show its competitive performance.
Abstract（参考訳）: 従来のグラフニューラルネットワーク(GNN)はメッセージパッシングに依存しており、近隣特徴の置換不変局所集約に相当する。そのような過程は等方的であり、グラフ上の「方向」の概念は存在しない。グラフ異方性拡散と呼ばれる新しいGNNアーキテクチャを提案する。我々のモデルは、閉形式解が利用できる線形拡散と、効率的なマルチホップ異方性カーネルを得るための局所異方性フィルタを交互に行う。本稿では,分子特性予測ベンチマーク(ZINCとQM9)を用いて,その競合性能を示す。

関連論文リスト

Scalable Graph Compressed Convolutions [68.85227170390864]
ユークリッド畳み込みのための入力グラフのキャリブレーションに置換を適用する微分可能手法を提案する。グラフキャリブレーションに基づいて,階層型グラフ表現学習のための圧縮畳み込みネットワーク(CoCN)を提案する。
論文参考訳（メタデータ） (2024-07-26T03:14:13Z)
Advective Diffusion Transformers for Topological Generalization in Graph Learning [69.2894350228753]
グラフ拡散方程式は、様々なグラフトポロジーの存在下で、どのように外挿して一般化するかを示す。本稿では,新たなグラフエンコーダのバックボーンであるAdvective Diffusion Transformer (ADiT)を提案する。
論文参考訳（メタデータ） (2023-10-10T08:40:47Z)
GPatcher: A Simple and Adaptive MLP Model for Alleviating Graph Heterophily [15.93465948768545]
グラフニューラルネットワーク(GNN)フィルタにおけるグラフヘテロフィリーの影響を解明する。我々は,パッチ・ミクサーアーキテクチャを利用したGPatcherというシンプルで強力なGNNを提案する。本モデルでは, ノード分類において, 人気ホモフィリーGNNや最先端ヘテロフィリーGNNと比較して, 優れた性能を示す。
論文参考訳（メタデータ） (2023-06-25T20:57:35Z)
Geometric Graph Filters and Neural Networks: Limit Properties and Discriminability Trade-offs [122.06927400759021]
本稿では,グラフニューラルネットワーク (GNN) と多様体ニューラルネットワーク (MNN) の関係について検討する。これらのグラフ上の畳み込みフィルタとニューラルネットワークが連続多様体上の畳み込みフィルタとニューラルネットワークに収束することを示す。
論文参考訳（メタデータ） (2023-05-29T08:27:17Z)
Graph Neural Convection-Diffusion with Heterophily [32.234690120340964]
グラフニューラルネットワーク(GNN)は、さまざまなグラフ学習タスクで有望な結果を示している。しかし、それらはしばしばホモフィリー(英語版)を仮定し、ヘテロ親和グラフ上での性能が低下する可能性がある。本稿では,ノード上の情報の流れをモデル化してヘテロフィリの原理を取り入れた新しいGNNを提案する。
論文参考訳（メタデータ） (2023-05-26T09:47:03Z)
Score-based Generative Modeling of Graphs via the System of Stochastic Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文参考訳（メタデータ） (2022-02-05T08:21:04Z)
GBK-GNN: Gated Bi-Kernel Graph Neural Networks for Modeling Both Homophily and Heterophily [24.742449127169586]
グラフニューラルネットワーク(GNN)は、さまざまなグラフベースの機械学習タスクで広く使用されている。ノードレベルのタスクでは、GNNはグラフのホモフィリーな性質をモデル化する強力な力を持つ。両カーネルの特徴変換と選択ゲートに基づく新しいGNNモデルを提案する。
論文参考訳（メタデータ） (2021-10-29T13:44:09Z)
Directional Graph Networks [17.11861614285746]
グラフニューラルネットワーク(GNN)のための最初の一貫した異方性カーネルを提案する。グラフ内のベクトル場を定義することにより、方向微分を適用し、ノード固有のメッセージをフィールドに投影することで滑らか化する方法を開発する。本手法はCNNを$n$次元の格子上に一般化し,標準のGNNよりも明らかに差別的であることを示す。
論文参考訳（メタデータ） (2020-10-06T16:31:27Z)
Permutation-equivariant and Proximity-aware Graph Neural Networks with Stochastic Message Passing [88.30867628592112]
グラフニューラルネットワーク(GNN)は、グラフ上の新たな機械学習モデルである。置換等価性と近接認識性は、GNNにとって非常に望ましい2つの重要な特性である。既存のGNNは、主にメッセージパッシング機構に基づいており、同時に2つの特性を保存できないことを示す。ノードの近さを保つため,既存のGNNをノード表現で拡張する。
論文参考訳（メタデータ） (2020-09-05T16:46:56Z)
Gauge Equivariant Mesh CNNs: Anisotropic convolutions on geometric graphs [81.12344211998635]
メッシュ上の畳み込みを定義する一般的なアプローチは、それらをグラフとして解釈し、グラフ畳み込みネットワーク(GCN)を適用することである。本稿では、GCNを一般化して異方性ゲージ同変カーネルを適用するGauge Equivariant Mesh CNNを提案する。本実験は,従来のGCNおよび他の手法と比較して,提案手法の表現性を大幅に向上することを示した。
論文参考訳（メタデータ） (2020-03-11T17:21:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。