データから学ぶグラフ: 信号表現の視点

意味のあるグラフトポロジーの構築は、構造化データの効果的な表現、処理、分析、および視覚化において重要な役割を果たします。データセットから自然なグラフの選択肢がすぐには得られない場合、データからグラフトポロジーを推測または学習することが望ましいです。本記事では、グラフ学習の問題に対する解決策を、統計学や物理学の古典的な視点などを含めて調査し、グラフ信号処理（GSP）の視点を採用した最近のアプローチについても述べます。また、古典的な方法とGSPに基づくグラフ推論方法の概念的な類似点と相違点を強調し、後者の理論的および実践的シナリオにおける潜在的な利点を明らかにします。最後に、データからグラフを学ぶための未来の信号処理および機械学習アルゴリズムの設計において重要な鍵となるいくつかの未解決の問題と課題を結論として示します。