使用结构图卷积神经网络实现未来自动化工程
人工智能
2018-08-27 v1
摘要
自动化工程的数字化产生了大量在知识图中相互关联的工程数据。根据其功能对子图进行分类和聚类，有助于发现具有不同图结构但功能等效的工程制品。本文提出了一种新的图学习算法，旨在根据结构和邻域特征对以图形式表示的工程数据制品进行分类。我们的结构图卷积神经网络（SGCNN）能够通过新颖的图不变卷积核和下采样/池化算法来学习图和子图。在一个真实的工程相关数据集上，我们展示了SGCNN能够达到约91%的分类准确率。
引用
@article{arxiv.1808.08213,
title = {Future Automation Engineering using Structural Graph Convolutional Neural Networks},
author = {Jiang Wan and Blake S. Pollard and Sujit Rokka Chhetri and Palash Goyal and Mohammad Abdullah Al Faruque and Arquimedes Canedo},
journal= {arXiv preprint arXiv:1808.08213},
year = {2018}
}
备注
ICCAD 2018