核心概念
本稿では、特異値分解(SVD)正則化を用いることで、任意のグラフニューラルネットワーク(GNN)アーキテクチャを縮小GNNに変換する新しい手法を提案し、GNNの安定性と汎化能力を高める。
要約
グラフニューラルネットワークの縮小性に関する研究論文の概要
Bechler-Speicher, M. & Eliasof, M. (2024). A General Recipe for Contractive Graph Neural Networks - Technical Report. arXiv:2411.01717v1 [cs.LG].
本研究は、グラフニューラルネットワーク(GNN)の安定性、汎化能力、ノイズや敵対的攻撃に対するロバスト性を向上させることを目的とする。具体的には、GNNの更新ステップにおける縮小性を誘導し、安定した学習ダイナミクスを促進する新しい手法を提案する。