اختبار مرتبط بالدليل · متوسط المستوى
الرسم البياني للشبكات العصبية مسابقة
قم بمراجعة تمرير رسائل GNN، وثبات التقليب، والإفراط في التجانس، والانتباه، والرسوم البيانية الجزيئية، والقفزات الميدانية الاستقبالية.
سؤال 1 من 8
ما هي الآلية الحسابية الأساسية لمعظم الشبكات العصبية الرسومية؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هي الآلية الحسابية الأساسية لمعظم الشبكات العصبية الرسومية؟
- تمرير الرسائل وتجميعها بين العقد المجاورة
- تحريك الالتواء على شبكة بكسل ثابتة
- الانحدار التلقائي التنبؤ بالرمز التالي
- يمشي عشوائيا دون التعلم
- لماذا يجب أن تكون وظيفة تجميع الجوار في GNN ثابتة التقليب؟
- لجعل التدريب أسرع
- لأن جيران الرسم البياني ليس لديهم ترتيب متأصل
- لأن الرسوم البيانية موجهة دائمًا
- لتقليل عدد المعلمات إلى واحد
- ما الذي يشير إليه "الإفراط في التجانس" في شبكات GNN العميقة؟
- الصور تصبح ضبابية
- الرسم البياني يفقد حوافه
- تتقارب تضمينات العقدة لتكون متطابقة تقريبًا مع زيادة الطبقات
- التدرجات تنفجر إلى ما لا نهاية
- How does a Graph Attention Network differ from a basic GCN layer?
- It removes all graph edges before message passing
- It assigns each node a unique text token
- It guarantees deeper networks cannot over-smooth
- It learns attention coefficients for neighbors, while the GCN uses degree-normalized propagation weights
- في GNN المطبق على الجزيء، ما الذي تمثله العقد والحواف عادةً؟
- الذرات والروابط الكيميائية
- بكسل والألوان
- الكلمات والجمل
- المستخدمين والمشاركات
- ما عدد القفزات التي يمكن أن تنتقل بها المعلومات إلى العقدة بعد طبقات تمرير الرسائل L؟
- دائما بالضبط قفزة واحدة
- ما يصل إلى L القفزات
- الرسم البياني بأكمله في طبقة واحدة
- القفزات صفر
- What makes GraphSAGE an inductive graph-learning method?
- It stores a separate free parameter vector for every possible test node
- It requires one fixed graph and cannot process new nodes
- It learns neighborhood aggregation functions that can be applied to unseen nodes
- It replaces node features with graph-level labels
- In the original GCN propagation rule, what does symmetric degree normalization do to adjacency messages?
- Sorts neighboring nodes alphabetically
- Deletes every edge with a low feature value
- Makes the graph directed by reversing all edges
- Scales each edge contribution using the inverse square roots of the source and target node degrees