학습 중 간선 제거
매 학습 에포크에서 입력 그래프의 일정 수 간선을 무작위로 없앤다. 바뀐 그래프가 자료 증강 역할을 하면서 메시지가 전달되는 연결도 줄이는 구성이다.
평활화의 속도와 정보 손실
원 연구는 간선 제거가 과도한 평활화의 수렴 속도를 낮추거나 그 과정의 정보 손실을 줄이는 효과를 이론적으로 분석했다. 작은 자료의 일반화를 해치는 과적합도 함께 다룬다.
여러 기본 모형에 적용
GCN과 잔차 GCN 및 GraphSAGE와 JKNet 등에 결합할 수 있는 기법으로 제안됐다. 원 연구는 여러 벤치마크의 얕은 모형과 깊은 모형에서 효과를 평가했다.
관련 문서
그래프 합성곱 신경망 / 과적합 / 데이터 증강 / GCNII / GraphSAGE / Jumping Knowledge 신경망