图胶囊卷积神经网络
机器学习
2018-08-28 v4 计算机视觉与模式识别
机器学习
摘要
图卷积神经网络（Graph Convolutional Neural Networks, GCNNs）是深度学习领域最新令人振奋的进展，其应用正迅速扩展到包括生物信息学、化学信息学、社交网络、自然语言处理与计算机视觉在内的多交叉领域。本文中，我们揭示并处理GCNN模型的一些基本弱点，采用\cite{hinton2011transforming}中提出的胶囊思想，并提出我们的图胶囊网络（GCAPS-CNN）模型。此外，我们设计GCAPS-CNN模型以专门解决当前GCNN模型难以处理的图分类问题。通过大量实验，我们表明所提出的图胶囊网络在图分类基准数据集上显著优于现有的最先进深度学习方法与图核。
引用
@article{arxiv.1805.08090,
title = {Graph Capsule Convolutional Neural Networks},
author = {Saurabh Verma and Zhi-Li Zhang},
journal= {arXiv preprint arXiv:1805.08090},
year = {2018}
}
备注
Accepted at Joint ICML and IJCAI Workshop on Computational Biology, Stockholm, Sweden, 2018