ग्राफ तंत्रिका नेटवर्क

ग्राफ न्यूरल नेटवर्क (जीएनएन) ऐसे मॉडल हैं जो ग्राफ-संरचित डेटा पर सीधे सीखते हैं - किनारों से जुड़े नोड्स - पड़ोसियों के बीच जानकारी को पारित और एकत्रित करके। वे मायने रखते हैं क्योंकि वास्तविक दुनिया का अधिकांश भाग संबंधपरक है: सामाजिक नेटवर्क, अणु, रोड मैप और अनुशंसा प्रणालियाँ सभी ग्राफ़ हैं जिनका ग्रिड और अनुक्रम स्वाभाविक रूप से प्रतिनिधित्व नहीं कर सकते हैं।

जीएनएन प्रत्येक नोड को अपने पड़ोसियों से संदेश इकट्ठा करने और एकत्र करने के द्वारा काम करते हैं, फिर परतों में दोहराए गए अपने स्वयं के प्रतिनिधित्व को अपडेट करते हैं।

चूंकि नोड के पड़ोसियों के लिए कोई विहित आदेश नहीं है, योग, माध्य या अधिकतम जैसे संचालन यह सुनिश्चित करते हैं कि आउटपुट इस बात पर निर्भर नहीं करता है कि पड़ोसियों को कैसे सूचीबद्ध किया गया है।

बहुत अधिक संदेश-पासिंग परतों को स्टैक करने से प्रत्येक नोड का प्रतिनिधित्व समान मूल्य की ओर एकत्रित हो जाता है, जिससे उपयोगी अंतर मिट जाते हैं।

जीएटी पड़ोसियों को सीखा हुआ ध्यान भार प्रदान करता है, जिससे एक नोड को समान रूप से औसत करने के बजाय सबसे अधिक प्रासंगिक लोगों पर जोर दिया जाता है।

अणु स्वाभाविक रूप से ग्राफ़ होते हैं: परमाणु नोड होते हैं और उन्हें जोड़ने वाले बंधन किनारे होते हैं, यही कारण है कि जीएनएन आणविक गुणों की भविष्यवाणी करने में उत्कृष्टता प्राप्त करते हैं।