論文の概要: Heterogeneous Graph Convolutional Neural Network via Hodge-Laplacian for
Brain Functional Data
- arxiv url: http://arxiv.org/abs/2302.09323v1
- Date: Sat, 18 Feb 2023 12:58:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 19:13:00.556754
- Title: Heterogeneous Graph Convolutional Neural Network via Hodge-Laplacian for
Brain Functional Data
- Title（参考訳）: 脳機能データのためのhodge-laplacianによる不均一グラフ畳み込みニューラルネットワーク
- Authors: Jinghan Huang, Moo K. Chung, Anqi Qiu
- Abstract要約: 本研究では、複雑な脳fMRIデータを扱うために、新しいヘテロジニアスグラフ畳み込みニューラルネットワーク(HGCNN)を提案する。
ヘテロジニアスグラフ上のスペクトルフィルタの一般的な定式化は、$k-th$lacian (HL) 演算子を導入して行う。
HL-node, HL-edge, HL-HGCNNニューラルネットワークを設計し, それぞれグラフノード, エッジレベル, 両方で信号表現を学習する。
- 参考スコア（独自算出の注目度）: 4.80657982213439
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study proposes a novel heterogeneous graph convolutional neural network
(HGCNN) to handle complex brain fMRI data at regional and across-region levels.
We introduce a generic formulation of spectral filters on heterogeneous graphs
by introducing the $k-th$ Hodge-Laplacian (HL) operator. In particular, we
propose Laguerre polynomial approximations of HL spectral filters and prove
that their spatial localization on graphs is related to the polynomial order.
Furthermore, based on the bijection property of boundary operators on simplex
graphs, we introduce a generic topological graph pooling (TGPool) method that
can be used at any dimensional simplices. This study designs HL-node, HL-edge,
and HL-HGCNN neural networks to learn signal representation at a graph node,
edge levels, and both, respectively. Our experiments employ fMRI from the
Adolescent Brain Cognitive Development (ABCD; n=7693) to predict general
intelligence. Our results demonstrate the advantage of the HL-edge network over
the HL-node network when functional brain connectivity is considered as
features. The HL-HGCNN outperforms the state-of-the-art graph neural networks
(GNNs) approaches, such as GAT, BrainGNN, dGCN, BrainNetCNN, and Hypergraph NN.
The functional connectivity features learned from the HL-HGCNN are meaningful
in interpreting neural circuits related to general intelligence.
- Abstract（参考訳）: 本研究は,脳の複雑なfMRIデータを地域間および地域間レベルで処理するヘテロジニアスグラフ畳み込みニューラルネットワーク(HGCNN)を提案する。
ヘテロジニアスグラフ上のスペクトルフィルタの一般的な定式化には、$k-th$ Hodge-Laplacian (HL) 演算子を導入する。
特に、HLスペクトルフィルタのラゲール多項式近似を提案し、グラフ上の空間的局在が多項式次数に関係していることを証明する。
さらに, 単純グラフ上の境界作用素の単射性に基づき, 任意の次元単純グラフにおいて使用可能な一般トポロジカルグラフプーリング(tgpool)法を導入する。
本研究では, HLノード, HLエッジ, HL-HGCNNニューラルネットワークを設計し, それぞれグラフノード, エッジレベル, 両方で信号表現を学習する。
青年期脳認知発達(abcd; n=7693)のfmriを用いて一般知性を予測する実験を行った。
本研究は,機能的脳機能接続を特徴とするHLノードネットワークに対するHLエッジネットワークの利点を示すものである。
HL-HGCNNは、GAT、BrainGNN、dGCN、BrainNetCNN、Hypergraph NNなどの最先端グラフニューラルネットワーク(GNN)アプローチよりも優れている。
HL-HGCNNから学んだ機能接続機能は、汎用インテリジェンスに関連するニューラルネットワークの解釈に意義がある。
関連論文リスト
- Compact & Capable: Harnessing Graph Neural Networks and Edge Convolution
for Medical Image Classification [0.0]
本稿では,重要なグラフノード間の接続を強く表現するために,RGBチャネルの特徴値の相互接続性を活用し,GNNとエッジ畳み込みを組み合わせた新しいモデルを提案する。
提案モデルでは,最新のDeep Neural Networks (DNN) と同等に動作するが,1000倍のパラメータが減少し,トレーニング時間とデータ要求が短縮される。
論文 参考訳（メタデータ） (2023-07-24T13:39:21Z) - Graph Neural Networks Provably Benefit from Structural Information: A
Feature Learning Perspective [53.999128831324576]
グラフニューラルネットワーク(GNN)は、グラフ表現学習の先駆けとなった。
本研究では,特徴学習理論の文脈におけるグラフ畳み込みの役割について検討する。
論文 参考訳（メタデータ） (2023-06-24T10:21:11Z) - Relation Embedding based Graph Neural Networks for Handling
Heterogeneous Graph [58.99478502486377]
我々は、同種GNNが不均一グラフを扱うのに十分な能力を持つように、シンプルで効率的なフレームワークを提案する。
具体的には、エッジ型関係と自己ループ接続の重要性を埋め込むために、関係1つのパラメータのみを使用する関係埋め込みベースのグラフニューラルネットワーク(RE-GNN)を提案する。
論文 参考訳（メタデータ） (2022-09-23T05:24:18Z) - Parameter Convex Neural Networks [13.42851919291587]
本研究では,ある条件下でのニューラルネットワークのパラメータに関して凸である指数的多層ニューラルネットワーク(EMLP)を提案する。
後期実験では,指数グラフ畳み込みネットワーク(EGCN)を同じアーキテクチャで構築し,グラフ分類データセット上で実験を行う。
論文 参考訳（メタデータ） (2022-06-11T16:44:59Z) - Walking Out of the Weisfeiler Leman Hierarchy: Graph Learning Beyond
Message Passing [4.272016212825404]
グラフ学習のためのニューラルネットワークアーキテクチャであるCRaWlを提案する。
CRaWlはメッセージパッシンググラフニューラルネットワークとは根本的に異なる。
CRaWlの表現性はWeisfeiler Lemanアルゴリズムと相容れないことを示す。
論文 参考訳（メタデータ） (2021-02-17T14:28:41Z) - Enhance Information Propagation for Graph Neural Network by
Heterogeneous Aggregations [7.3136594018091134]
グラフニューラルネットワークは、ディープラーニングの成功の継続として出現している。
ヘテロジニアスアグリゲーションを組み合わせることで,GNN層間の情報伝達を促進することを提案する。
我々は,多くのグラフ分類ベンチマークにおいて,HAG-Netの有効性を実証的に検証した。
論文 参考訳（メタデータ） (2021-02-08T08:57:56Z) - A Unified View on Graph Neural Networks as Graph Signal Denoising [49.980783124401555]
グラフニューラルネットワーク(GNN)は,グラフ構造化データの学習表現において顕著に普及している。
本研究では,代表的GNNモデル群における集約過程を,グラフ記述問題の解法とみなすことができることを数学的に確立する。
UGNNから派生した新しいGNNモデルADA-UGNNをインスタンス化し、ノード間の適応的滑らかさでグラフを処理する。
論文 参考訳（メタデータ） (2020-10-05T04:57:18Z) - Binarized Graph Neural Network [65.20589262811677]
我々は二項化グラフニューラルネットワークを開発し、二項化ネットワークパラメータを用いてノードのバイナリ表現を学習する。
提案手法は既存のGNNベースの埋め込み手法にシームレスに統合できる。
実験により、提案された二項化グラフニューラルネットワーク、すなわちBGNは、時間と空間の両方の観点から、桁違いに効率的であることが示されている。
論文 参考訳（メタデータ） (2020-04-19T09:43:14Z) - Graphs, Convolutions, and Neural Networks: From Graph Filters to Graph
Neural Networks [183.97265247061847]
我々はグラフ信号処理を活用してグラフニューラルネットワーク(GNN)の表現空間を特徴付ける。
GNNにおけるグラフ畳み込みフィルタの役割について議論し、そのようなフィルタで構築されたアーキテクチャは、置換同値の基本的な性質と位相変化に対する安定性を持つことを示す。
また,ロボット群に対するリコメンデータシステムや分散型コントローラの学習におけるGNNの利用について検討した。
論文 参考訳（メタデータ） (2020-03-08T13:02:15Z) - Understanding Graph Isomorphism Network for rs-fMRI Functional
Connectivity Analysis [49.05541693243502]
グラフ同型ネットワーク(GIN)を用いてfMRIデータを解析するフレームワークを開発する。
本稿では,GINがグラフ空間における畳み込みニューラルネットワーク(CNN)の二重表現であることを示す。
我々は,提案したGINをワンホット符号化で調整するGNNに対して,CNNベースのサリエンシマップ技術を利用する。
論文 参考訳（メタデータ） (2020-01-10T23:40:09Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。