「DUANYIJUN（助教）」の検索結果
▼詳細
■研究の概要
グラフ表現学習（GRL）は急速に成長している分野であり、さまざまな領域から大きな注目を集めており、その結果、多くの研究が蓄積されています。しかし、GRL手法の大部分は、大量のデータ収集、ラベル付け、および計算資源を含む膨大なリソースを必要としますが、現実世界のアプリケーションではそれらが十分に確保できない場合が多いです。リソースの制約は既存のグラフニューラルネットワーク（GNN）モデルの展開を制限し、その性能低下を引き起こします。したがって、グラフ表現学習と不完全でリソースの限られた現実世界の環境や応用シナリオとのギャップを埋めることは非常に困難な課題です。この課題に対処するため、私はリソース要件を削減しつつ、リソースが豊富なモデルに匹敵する性能を最大限維持する新しい弱教師ありGRL手法の開発に取り組んでいます。
Copyright © Kyoto Institute of Technology. All rights reserved.