Week 13

レクチャーパートA

このセクションでは、従来の畳み込みニューラルネットワークのアーキテクチャと畳み込みについて議論します。次に、これをグラフ領域に拡張します。グラフの特性を理解し、グラフ畳み込みを定義します。最後に、スペクトルグラフ畳み込みニューラルネットワークを紹介し、スペクトル畳み込みの実行方法について議論します。

レクチャーパートB

このセクションでは、スペクトルネットワークによるスペクトル畳み込みの実装から始まり、グラフ畳み込みネットワーク（GCN）の全範囲をカバーしています。次に、他の畳み込みの定義であるテンプレートマッチングのグラフへの適用可能性についての洞察を提供し、空間的ネットワークを紹介します。2つのアプローチを採用した様々なアーキテクチャが、対応する長所と短所、実験、ベンチマーク、アプリケーションとともに詳細に説明されます。

演習

ここでは、データの構造を利用したアーキテクチャの一つであるグラフ畳み込みネットワーク(Graph Convolutional Network: GCN)について紹介します。 実は、GCNの概念はself-attentionと密接に関係しています。GCNの一般的な表記法、表現法、方程式を理解した後、Residual Gated GCNと呼ばれる特定のタイプのGCNの理論とコードについて掘り下げていきます。