Влияние способа построения матрицы смежности на обобщающую способность графовых нейронных сетей при анализе сигналов носимых датчиков

Аннотация

В работе проверяется, как способ задания матрицы смежности влияет на macro-F1 графовой нейронной сети. На UCI HAR по \(20\) парным запускам граф по метаданным каналов сравнивается с дополнением той же степени, с графом без рёбер и с гибридным дообучением. Средняя разность с дополнением составляет \(1{,}5\)–\(1{,}9\) п. п. и после поправки Холма значима при всех долях обучающей выборки. Разность с графом без рёбер значима при \(5\) и \(10\%\). Гибридное дообучение значимо хуже фиксированной матрицы при \(10\) и \(100\%\). Разброс этой разности внутри одной подвыборки больше, чем между подвыборками. На отрезке начальных графов при полной выборке провала нет.

Ключевые слова: графовые нейронные сети, матрица смежности, многомерные временные ряды, обобщающая способность, распознавание активности.

BibTeX
@article{IS-Sidorov-Maysuradze2026,
  author  = {Сидоров, Леонид Станиславович and Майсурадзе, Арчил Ивериевич},
  title   = {{Влияние способа построения матрицы смежности на обобщающую способность графовых нейронных сетей при анализе сигналов носимых датчиков}},
  journal = {Интеллектуальные системы. Теория и приложения},
  year    = {2026},
  volume  = {30},
  number  = {4},
  pages   = {413--416},
}
AMSBIB
\RBibitem{IS-Sidorov-Maysuradze2026}
\by Л.\,С.~Сидоров, А.\,И.~Майсурадзе
\paper Влияние способа построения матрицы смежности на обобщающую способность графовых нейронных сетей при анализе сигналов носимых датчиков
\jour Интеллектуальные системы. Теория и приложения
\yr 2026
\vol 30
\issue 4
\pages 413--416
Опубликовано на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0)

← К номеру журнала

× Issue cover