메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
합성곱 기반인 합성곱 인공 신경망(CNNs)은 이미지 분류, 이미지 생성, 시계열 분석 등에 다양하게 쓰이고 있다. 하지만 일반적인 유클리디안 공간과는 달리 그래프와 같은 비유클리디안 공간에서는 합성곱을 바로 적용할 수 없다. 이를 극복하기 위해 다양한 기법으로 합성곱을 그래프 상으로 확장하였으며, 다양한 그래프 인공 신경망(GNNs)이 제안되어 왔다. 하지만 기존의 그래프 인공 신경망 연구는 간선의 타입이 하나인 동종 그래프 분석에 국한되어 있는데 반해, 현실의 데이터는 간선의 타입이 많은 이종그래프 데이터인 경우가 많기 때문에 이를 기존의 그래프 인공 신경망으로 해결하려 하면 큰 왜곡이 생기게 된다. 본 연구는 계층적 구조를 가진 이종 그래프 데이터를 효과적으로 다루기 위하여 그래프 변형 네트워크(GTNs) 모델과 쌍곡 그래프 합성곱 네트워크(HGCNs) 모델을 통합하여 새로운 모델인 쌍곡 그래프 변형 네트워크(HGTNs)를 제안한다.

Convolution Neural Networks (CNNs), which are based on convolution operations, are used for various tasks in image classification, image generation, time series analysis, etc. Since the convolution operations are not directly applicable to non-Euclidean spaces such as graphs and manifolds, a variety of Graph Neural Networks (GNNs) have extended convolutional neural networks to homogeneous graphs, which has a single type of edges and nodes. However, in real-world applications, heterogeneous and hierarchical graph data often occur. To expand the operating range of GNNs to the graphs that have multiple types of nodes and edges with the hierarchy, herein, we propose a new model that integrates Hyperbolic Graph Convolution Networks (HGCNs) and Graph Transformer Networks (GTNs).
#그래프 #메타패스 #쌍곡 공간 #인공신경망 #graph #meta-path #hyperbolic space #artificial neural network

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 쌍곡 그래프 변형 네트워크(Hyperbolic Graph Transformer Networks; HGTNs)
4. 실험 및 결과
5. 결론
References

참고문헌 (23)

참고문헌 신청
P. Y. Simard, D. Steinkraus, and J. C. Platt, "Best practices for convolutional neural networks applied to visual document analysis," Icdar, Vol. 3, No. 2003, 2003. google schola J. Chen, T. Ma, and C. Xiao, "FastGCN: Fast Learning with Graph Convolutional Networks via Importance Sampling," International Conference on Learning Representations, 2018. google schola W. Hamilton, Z. Ying, and J. Leskovec, "Inductive representation learning on large graphs," Advances in Neural Information Processing Systems, pp. 1024- 1034, 2017. google schola D. Wang, P. Cui, and W. Zhu, "Structural deep network embedding," Proc. of the 22nd ACM SIGKDD International Conference on Knowledge Dis-Covery and Data Mining, pp. 1225-1234, 2016. google schola R. van den Berg, T. N. Kipf, and M. Welling, "Graph convolutional matrix completion," arXiv preprint arXiv:1706.02263, 2017.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

전이학습과 그래프 합성곱 신경망 기반의 다중 패션 스타일 인식
김성훈 ,  최예림 ,  박종혁 한국전자거래학회지 2021.02
딥러닝 언어모델을 활용한 구조적토픽모델링(STM) 기반의 지식그래프 탐색적 연구
차현주 한국방송학회 학술대회 논문집 2023.04
온톨로지 학습 기반 지식 그래프 구축
류민우 ,  차시호 컴퓨터교육학회 논문지 2022.01
인접성 벡터를 이용한 트리플 지식 그래프의 임베딩 모델 개선
조새롬 ,  김한준 한국전자거래학회지 2021.08
질의문과 지식 그래프 관계 학습을 통한 지식 완성 시스템
김민성 ,  이민호 ,  이완곤 외 1명 Journal of KIISE 2021.06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-569-001489698