Centrala begrepp
그래프 신경망 연구의 재현성을 높이고 데이터 내재 차원이 모델 성능에 미치는 영향을 분석하는 것이 이 연구의 핵심 목적이다.
Sammanfattning
이 연구는 기계 학습 분야에서 재현성과 내재 차원 문제를 다룬다.
재현성 부분에서는 다음과 같은 내용을 다룹니다:
재현성의 정의와 중요성을 설명하고, 기계 학습 분야에서의 재현성 문제를 다룸
재현성 온톨로지를 제안하여 데이터셋, 소프트웨어, 계산 결과 등 다양한 측면에서 재현성을 평가
그래프 신경망 분야의 주요 논문 6편을 선별하여 제안한 온톨로지로 재현성을 분석
내재 차원 부분에서는 다음과 같은 내용을 다룹니다:
기하학적 내재 차원 개념을 소개하고, 이를 활용한 특성 선택 방법을 설명
선별된 6편의 그래프 신경망 논문에 대해 내재 차원 변화가 모델 성능에 미치는 영향을 실험적으로 분석
전반적으로 이 연구는 기계 학습 분야의 재현성과 내재 차원 문제를 종합적으로 다루어 연구의 신뢰성과 품질 향상에 기여하고자 한다.
Statistik
데이터셋의 형식이 문서화되지 않은 경우가 많았다.
데이터셋 버전이 명시되지 않은 경우가 많았다.
데이터셋에 직접 접근할 수 있는 링크가 제공되지 않은 경우가 많았다.
Citat
"Difficulties in replication and reproducibility of empirical evidences in machine learning research have become a prominent topic in recent years."
"Ensuring that machine learning research results are sound and reliable requires reproducibility, which verifies the reliability of research findings using the same code and data."
"A particular instance of this uncertainty is the umbrella term curse of dimensionality."