Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Uncertainty Estimation on Graphs with Structure Informed Stochastic Partial Differential Equations

Created by
  • Haebom

作者

Fred Xu, Thomas Markovich

概要

グラフニューラルネットワークは、様々なネットワークモデリング作業において印象的な結果を達成したが、特に分布移動の下でグラフの不確実性を正確に推定することは依然として困難である。本論文では、Matern Gaussian Processによって駆動される確率偏微分方程式（SPDE）の進化とGNN層を使用したメッセージ配信との間の類似性を介して、Gaussian Processアプローチからインスピレーションを得て空間時間ノイズを統合する新しいメッセージ配信方式を設計する原理を提供します。この方法は、空間と時間にわたって不確実性を同時に捕捉し、共分散カーネルの滑らかさを明示的に制御することを可能にし、低ラベル情報量と高いラベル情報量を有するグラフの両方における不確実性推定を改善する。様々なラベル情報量を有するグラフデータセットにおけるアウト・オブ・ディストリビューション(OOD)検出の広範な実験により,本モデルの堅牢性と既存のアプローチに対する卓越性を実証した。

Takeaways、Limitations

•
Takeaways：
◦
グラフ構造とラベル分布の両方で発生するランダム性を考慮してグラフベースの不確実性推定問題を解決する新しいアプローチの提示
◦
Matern Gaussian ProcessベースのSPDEの進化とメッセージ配信の類似性を活用した革新的なメッセージ配信方式の提案
◦
空間時間ノイズを統合して不確実性を効果的に捉え、共分散カーネルの滑らかさを制御して不確実性推定の精度を向上させます。
◦
様々なOODセンシング実験による従来のアプローチより優れた性能の実証
•
Limitations：
◦
論文に具体的なLimitations言及はありません。
👍
Made with Slashpage