AI用語集
人工知能の完全辞典
グラフSAGE
誘導的グラフニューラルネットワークアルゴリズムで、隣接ノードの特徴をサンプリングして集約し、大規模グラフ上でノードの埋め込みを生成します。
誘導学習
訓練時に見えないノードやグラフに一般化できる学習アプローチ。完全なグラフ構造を必要とする通約的学習とは対照的です。
隣接サンプリング
訓練中に各ノードに対して固定されたランダムな隣接サブセットを選択する技術で、大規模グラフを効率的に処理できます。
集約関数
隣接ノードの特徴を組み合わせて集約表現を生成する数学的操作で、グラフ上の情報伝播に不可欠です。
ノード埋め込み
グラフ内のノードの構造的プロパティと特徴を捉える低次元の密なベクトル表現で、予測タスクに使用されます。
平均集約器
隣接ノードの特徴の要素ごとの平均を計算する集約関数で、局所情報の対称的で安定した表現を提供します。
Maxプーリング集約器
隣接ノードの特徴に非線形変換を適用した後、maxプーリングを行う集約関数で、近傍の最も顕著な側面を捉えます。
LSTM集約器
LSTMネットワークを使用して隣接ノードの特徴を順次処理する集約関数で、ノードの近傍における非対称な依存関係を捉えます。
特徴伝播
隣接ノード間での情報の伝送と集約を繰り返し行い、複数のレイヤーにわたってベクトル表現を段階的に豊かにするプロセス。
ミニバッチ学習
計算効率を最適化し、大規模なグラフでのスケーラビリティを可能にするために、グラフを小さなノードのサブセットに分割する学習戦略。
グラフ畳み込み
2D畳み込みをグラフ構造に一般化する操作で、定義された集約スキームに従って、ノードの特徴を近傍ノードの特徴と組み合わせること。
推移学習
モデルが同じ固定されたノードセットで訓練され、テストされる学習パラダイムで、推論時に完全なグラフ構造を必要とする。
メッセージパッシング
ノードが近傍ノードと情報を交換して状態を更新するアルゴリズムフレームワークで、グラフニューラルネットワークの基礎となる。
グラフ表現
グラフ全体の構造的・意味的プロパティを捉えるベクトルエンコーディングで、グラフレベルの分類または回帰タスクに使用される。
サンプリング戦略
学習時に近傍ノードをどのように選択するかを定義する方法で、計算効率と構造情報の保持のバランスに影響を与える。
特徴連結
変換前に、ノードの元の特徴と近傍ノードからの集約情報を組み合わせて、豊かな表現を作成する操作。
残差接続
層間の情報を直接バイパスするメカニズムで、深層学習を容易にし、ノードの元の特性を保持します。
ReLU活性化
非線形性を導入するために集約後に適用される非線形活性化関数で、max(0, x)として定義され、GraphSAGEで広く使用されています。
バッチ正規化
グラフニューラルネットワークにおいて学習を安定化させ、収束を加速させるために、各ミニバッチで活性化を正規化する正則化手法です。