# Relation Network ## 概要 Relation Network（RN）は、[[DeepMind]]が2017年に発表した[[関係推論]]用ニューラルネットワークモジュールである。オブジェクトの全順序対に同じ関係関数$g_\theta$を適用し、その出力を加算して$f_\phi$へ渡す。 $ \mathrm{RN}(O)=f_\phi\left(\sum_{i,j}g_\theta(o_i,o_j)\right) $ 関係の種類や有無を人手で指定せず、質問への回答などの下流目的からエンドツーエンドで学習する。加算集約により入力集合の順序に不変で、CNNの空間セル、状態記述の各行、LSTMで符号化した各文などをオブジェクトとして扱える。(Source: [[@2026__30papers__A Simple Neural Network Module for Relational Reasoning]]) ## 特徴 - **関係関数の共有**: 同じ$g_\theta$をすべての対へ使い、対象固有の並びではなく関係の規則を学ぶ。 - **プラグイン可能性**: CNN・LSTMなどの既存知覚器から得た表現へ接続できる。 - **順序不変性**: 関係表現の和を取るため、入力オブジェクトの列挙順に依存しない。 - **完全グラフとしての解釈**: オブジェクトをノード、順序対を有向辺とみなす一段の全対メッセージ計算に相当する。 - **制約**: 全対版は$O(n^2)$の計算を要し、単一回の集約だけでは任意の多段推論を保証しない。 CLEVRでは画像入力から95.5%、Sort-of-CLEVRでは関係・非関係質問とも94%超、bAbIでは18/20タスクの成功基準を満たした。結果は関係計算の帰納バイアスが有効であることを示すが、主な評価対象は合成データである。(Source: [[@2026__30papers__A Simple Neural Network Module for Relational Reasoning]]) ## 関連 - 原典: [[@2026__30papers__A Simple Neural Network Module for Relational Reasoning]] - 概念: [[関係推論]] - 構造上の近縁: [[グラフニューラルネットワーク]] - 組織: [[DeepMind]]