トピック: Graph Convolutional Network (GCN)

全セクション横断 3 件

ファブリシオ・ブレーベ氏は、グラフ構造でラベルの誤りを学習前に補正する手法PCC+GCNを提案した。ノイズ下でGCNの平均精度を1.67ポイント改善し、頑健な既存手法より高速に動作する。不正検知などの実務でデータ品質対策に資する可能性がある。

米研究チームが開発した物理法則組み込み型グラフニューラルネット「P-K-GCN」が、粗いデータから高精度な時空間シミュレーションを実現した。医療機器や製造業における計算コスト削減と予測精度向上に道を開く成果として注目される。

グラフ構造を持つ多変量時系列データに対し、予測誤差の信頼領域を楕円体として精緻に制御する手法が開発された。交通・物流分野のリアルタイム意思決定の信頼性向上に直結する成果である。