Влияние способа построения матрицы смежности на обобщающую способность графовых нейронных сетей при анализе сигналов носимых датчиков
Получена: 13.10.2026 Доработана: 18.10.2026 Принята: 20.10.2026
Опубликована: 2026 год, том 30, выпуск 4, С. 413–416
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
EN