그래프 신경망

Graph neural network

GNN(graph neural network)은 그래프 데이터 구조로 가장 잘 표현된 데이터를 처리하기 위한 신경망의 한 종류다.[1][2][3]그들은 다양한 분자의 특성에 대한 감독적 학습에 사용함으로써 대중화되었다.[4]null

그 시작 이후, 메시지 전달 신경 네트워크(MPNN) 프레임워크의 변형들이 제안되었다.[5][6][7][8]이러한 모델은 GNN을 더 큰 그래프에 사용하도록 최적화하고 소셜 네트워크, 인용 네트워크,[9] 온라인 커뮤니티와 같은 도메인에 적용한다.null

GNN은 위스펠러의 약한 형태다.리먼 그래프는 이형성 검사기 때문에 GNN 모델은 적어도 이 검사만큼 강력하다.[10][11]연구자는 GNN을 다른 "기하학 딥러닝 모델"[12]과 통합하여 이러한 모델이 어떻게 그리고 왜 작동하는지 더 잘 이해하려고 시도하고 있다.null

참조

  1. ^ Scarselli, Franco; Gori, Marco; Tsoi, Ah Chung; Hagenbuchner, Markus; Monfardini, Gabriele (2009). "The Graph Neural Network Model". IEEE Transactions on Neural Networks. 20 (1): 61–80. doi:10.1109/TNN.2008.2005605. ISSN 1941-0093. PMID 19068426. S2CID 206756462.
  2. ^ Sanchez-Lengeling, Benjamin; Reif, Emily; Pearce, Adam; Wiltschko, Alex (2021-09-02). "A Gentle Introduction to Graph Neural Networks". Distill. 6 (9): e33. doi:10.23915/distill.00033. ISSN 2476-0757.
  3. ^ Daigavane, Ameya; Ravindran, Balaraman; Aggarwal, Gaurav (2021-09-02). "Understanding Convolutions on Graphs". Distill. 6 (9): e32. doi:10.23915/distill.00032. ISSN 2476-0757.
  4. ^ Gilmer, Justin; Schoenholz, Samuel S.; Riley, Patrick F.; Vinyals, Oriol; Dahl, George E. (2017-07-17). "Neural Message Passing for Quantum Chemistry". International Conference on Machine Learning. PMLR: 1263–1272. arXiv:1704.01212.
  5. ^ Kipf, Thomas N; Welling, Max (2016). "Semi-supervised classification with graph convolutional networks". International Conference on Learning Representations. 5 (1): 61–80. arXiv:1609.02907. doi:10.1109/TNN.2008.2005605. PMID 19068426. S2CID 206756462.
  6. ^ Defferrard, Michaël; Bresson, Xavier; Vandergheynst, Pierre (2017-02-05). "Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering". Neural Information Processing Systems. 30. arXiv:1606.09375.
  7. ^ Hamilton, William; Ying, Rex; Leskovec, Jure (2017). "Inductive Representation Learning on Large Graphs" (PDF). Neural Information Processing Systems. 31. arXiv:1706.02216 – via Stanford.
  8. ^ Veličković, Petar; Cucurull, Guillem; Casanova, Arantxa; Romero, Adriana; Liò, Pietro; Bengio, Yoshua (2018-02-04). "Graph Attention Networks". International Conference on Learning Representations. 6. arXiv:1710.10903.
  9. ^ "Stanford Large Network Dataset Collection". snap.stanford.edu. Retrieved 2021-07-05.
  10. ^ Douglas, B. L. (2011-01-27). "The Weisfeiler–Lehman Method and Graph Isomorphism Testing". arXiv:1101.5211 [math.CO].
  11. ^ Xu, Keyulu; Hu, Weihua; Leskovec, Jure; Jegelka, Stefanie (2019-02-22). "How Powerful are Graph Neural Networks?". International Conference on Learning Representations. 7. arXiv:1810.00826.
  12. ^ Bronstein, Michael M.; Bruna, Joan; LeCun, Yann; Szlam, Arthur; Vandergheynst, Pierre (2017). "Geometric Deep Learning: Going beyond Euclidean data". IEEE Signal Processing Magazine. 34 (4): 18–42. arXiv:1611.08097. Bibcode:2017ISPM...34...18B. doi:10.1109/MSP.2017.2693418. ISSN 1053-5888. S2CID 15195762.


Stub icon

이 신경과학 기사는 단조롭다.위키피디아를 확장하여 도울 수 있다.