Repositori institucional URV
Español Català English
Pertany a la col·lecció TFM:SerieGeneralMESIIA
TÍTOL:
Improving stability of GNNExplainer inlarge citation network datasets - TFM:1426
Handle: https://hdl.handle.net/20.500.11797/TFM1426

Estudiant:Cabezas Rodriguez, José Joaquin
Idioma:en
Títol en la llengua original:Improving stability of GNNExplainer inlarge citation network datasets
Títol en diferents idiomes:Millora de l'estabilitat de GNNExplainer en grans conjunts de dades de xarxes de citacions
Paraules clau:xarxes neuronals gràfics, explicabilitat, aprenentatge automàtic
Matèria:Aprenentatge automàtic
Resum:Les xarxes neuronals de gràfics (GNN) són un marc d'aprenentatge automàtic que apropa les xarxes neuronals gràfics i dades relacionals. És d'especial rellevància per a àrees com l'anàlisi de xarxes socials, biològica ciències, química, sistemes de transport intel·ligents i molts altres, on es poden considerar les dades una xarxa. Explicar per què una GNN va prendre una decisió és un repte, a causa de la naturalesa de caixa negra xarxes neuronals, però és crucial a l'hora d'aplicar-ho als processos de presa de decisions que afecten la vida de molts. En aquest treball repassem l'estat actual de l'art i analitzem els més coneguts mètode per explicar les GNN, GNNExplainer. Trobem que la seva aplicació a les cites acadèmiques els conjunts de dades presenten problemes a causa de la variabilitat de les explicacions i proposem una modificació per millorant l'estabilitat dels resultats i la interpretabilitat de l'explicació gràfica. En particular, nosaltres proposar l'ús d'un coeficient ajustat calculat prèviament per a cada explicació en lloc d'a paràmetre fix. Trobem que la nostra proposta millora l'estabilitat en més d'un 10 \% en els experiments utilitzant xarxes convolucionals de gràfics (GCN) i xarxes d'atenció gràfica (GAT) amb dos conjunts de dades de xarxes de citacions (Cora i Pubmed).
Director del projecte:Duch Gavaldà, Jordi
Departament:Enginyeria Informàtica i Matemàtiques
Ensenyament(s):Enginyeria de la Seguretat Informàtica i Intel·ligència Artificial
Entitat:Universitat Rovira i Virgili (URV)
Data de la defensa del treball:2021-02-08
Curs acadèmic:2020-2021
Confidencialitat:No
Àrees temàtiques:Enginyeria informàtica
Aprenentatge Servei:NO
Data d'alta al repositori:2023-07-011
Drets d'accés:info:eu-repo/semantics/openAccess
Cerca el teu registre a:

Fitxers disponibles
FitxerDescripcióFormat
MemòriaMemòriaapplication/pdf

Informació

© 2011 Universitat Rovira i Virgili