MIL-Bayesian Graph Neural Networks论文评述 文章《Bag Graph: Multiple Instance Learning using Bayesian Graph Neural Networks》 https://www.aaai.org/AAAI22Papers/AAAI-8577.PalS.pdf 作者:Soumyasundar Pal, Antonios Valkanas, Florence Regol, Mark Coates 引用方式:Pal, Soumyasundar, et al. “Bag Graph: Multiple Instance Learning using Bayesian Graph Neural Networks.” Proc. AAAI Conf. on Artificial Intelligence. 2022. 论文评述:唐子铭 (整理自多示例贝叶斯图讨论材料。) 2022-10-15 一、 论文主要研究内容和结果: 该工作结合神经网络多示例学习模型(MIL)和贝叶斯-图形神经网络(Bayes-GNN)模型提出了一种端到端的多示例MIL学习体系架构,该方法能够有效地解决包之间存在关系的相互作用对多示例模型结果的影响。 1. 算法建模目标:算法建模目标为$p(y_V | Y_L, X_V, G_{obs})$,换言之,利用图的观测值$G_{obs}$,包的示例Instance的表示$X_V$, 和训练集$L$中的包标签$Y_L$来对整个图的节点集合V进行标签值计算。 我们做个类比:V是全校学生,Z_iContinueContinue reading “《多示例贝叶斯图学习》-AAAI2022-论文评述”