初めに
こんにちは。将棋と筋トレが好きな、情報系大学生のゆうき(@engieerblog_Yu)です。
今回は、GNN(グラフニューラルネットワーク)についての記事です。
CNNについて
畳み込みニューラルネットワーク(CNN)は、画像認識や音声認識などに用いられます。
畳み込みニューラルネットワークでは、周辺の情報を加味することによって特徴を認識します。
周辺の情報を認識するために、積和演算(畳み込み)を行って、局所的な情報を学習していきます。
その際にフィルタのサイズを調整することにより、どのくらい局所的な部分の情報を学習するかを変えることができます。
CNNは以前の記事でも解説しています。
CNNで扱うデータとGNNで扱うデータの違い
CNNとGNNで扱うデータには違いがあります。
GNNの課題
GNNは、上記のような構造のデータを扱うことによって課題が生じます。
ノードに順序がない→畳み込みを行う順序を決めるのが容易ではない
構造が不規則的→局所性が保たれない場合がある
GNNを学習させるためには、上記の課題を解決する必要があります。
GNNでできること
GNNを使えば、各ノードがそれぞれ情報をもったグラフをGNNに通すことで、隣接する点の特徴を反映するグラフを作成することができます。
以下の分野で、GNNが応用される可能性が示唆されています。
より高度な画像認識
レコメンドシステムの開発
交通量予測
化合物分類
まとめ
CNNと比べて、GNNは不規則な構造を持ったグラフを扱う
GNNを使うことで、隣接するノードの特徴を反映したグラフを作成することができる。
GNNは多くの分野で応用される可能性がある
おすすめのGNN入門書籍です。
リンク
ゆうき
最後まで読んでいただきありがとうございました。
ねこすけ
他の記事もおすすめにゃ。
コメント