
대규모 그래프에서 그래프 신경망 (GNN)을 학습할 때 발생하는 이력 임베딩의 부실 문제를 해결하여 성능을 향상시키는 새로운 학습 알고리즘 (REST) 제안


coremsg

대규모-그래프-신경망-확장을-위한-간단한-접근-방식-haste-makes-waste


대규모 그래프 신경망 확장을 위한 간단한 접근 방식: Haste Makes Waste



그래프 구조로 인해 노드 임베딩과 라벨이 비독립적인 경우, 기존 손실 함수의 일관성 문제를 해결하기 위해 준-와세르슈타인 손실 함수를 제안한다. 이를 통해 노드 라벨 정보를 효과적으로 활용하여 그래프 신경망의 성능을 향상시킬 수 있다.



그래프 신경망 학습을 위한 준-와세르슈타인 손실 함수



단조 변분 부등식을 활용하여 신경망 학습을 위한 대안적 접근법을 제안하였다. 이 접근법은 기존 경사하강법 대비 계산 효율성과 성능 보장을 제공한다.



그래프 신경망 학습을 위한 단조 변분 부등식 기반의 대안적 접근법
