Ihe eserese Neural Networks
Netwọk akwara eserese (GNNs) bụ ụdị na-amụta ozugbo na data ahaziri eserese - ọnụ jikọtara ọnụ - site na ịfefe na ịgbakọta ozi n'etiti ndị agbata obi.
Nchịkọta
They matter because much of the real world is relational: social networks, molecules, road maps, and recommendation systems are all graphs that grids and sequences cannot naturally represent.
Ime miri emi
GNN na-arụ ọrụ site na ịgafe ozi. Ọnụ ọ bụla na-amalite na vector atụmatụ, na n'ofe ọ bụla ọnụ ọnụ ọ bụla na-achịkọta ozi sitere na ndị agbata obi ya, na-ejikọta ha na ọrụ na-adịghị agbanwe agbanwe dị ka nchikota, pụtara, ma ọ bụ max, ma na-emelite ihe nnọchianya nke ya. Ikpokọta L n'ígwé na-ahapụ ozi ịgbasa L hops n'ofe eserese ahụ, yabụ ntinye ikpeazụ nke ọnụ na-egosipụta mpaghara ya sara mbara, ọ bụghị naanị njikọ ozugbo. Ndị dị iche iche dị iche iche na otu ha si achịkọta: Graph Convolutional Networks na-eji agbataobi agbata obi na-emekọ ihe ọnụ, ihe nlele GraphSAGE na chịkọta ọnụ ọgụgụ ndị agbata obi maka scalability, na Graph Attention Networks na-amụta ihe dị arọ ka ọnụ na-agakwuru ndị agbata obi dị mkpa. Ọnụ ụzọ amụtara, ọnụ, ma ọ bụ ihe ntinye eserese dum wee na-enye nhazi ọkwa, nlọghachi azụ, ma ọ bụ isi amụma njikọ.
Nghọta nka nka
Ngwongwo na-akọwapụta ihe bụ ihe na-agbanwe agbanwe: eserese enweghị nhazi ọnụ ụzọ, yabụ usoro nchịkọta ga-arụpụta otu nsonaazụ ahụ n'agbanyeghị otu esi edepụta ndị agbata obi - ya mere nchikota, pụtara, ma ọ bụ max kama ịrụ ọrụ arụrụ arụ. Mmachi a ma ama na-adị mma karịa: kpokọta ọtụtụ ọkwa na-agafe ozi yana ntinye ọnụ ọ bụla na-agbakọta maka otu uru, na-asachapụ ọdịiche bara uru. Nke a na-ekpuchi ịdị omimi bara uru ma na-akpali njikọ fọdụrụnụ na normalization.
Mmetụta atụmatụ
Mkpebi doro anya
Ọ na-enyere gị aka ikewapụta nkwupụta ọrụ aka doro anya na asụsụ ahịa.
Ọnụ ego na mmefu ego
Ị nwere ike ịjụ ajụjụ mmejuputa iwu ka mma tupu itinye ego ma ọ bụ oge.
Team na usoro ọrụ
Ndị otu nwere nghọta na-eme ka ngwaahịa, amụma na mkpebi mmụta ka mma.
Ọdịnihu nke netwọkụ akwara ozi eserese
GNN bụ isi na AI sayensị. DeepMind's GNoME jiri ha buru amụma ọtụtụ nde ụlọ kristal ọhụrụ kwụsiri ike, na ụdị ihu igwe dị ka GraphCast na-anọchi anya ụwa dị ka eserese iji buru amụma ngwa ngwa karịa simulators physics. Nnyocha na-eme ka ọ dị elu na eserese ijeri ijeri, netwọk miri emi nke na-emegide ịdị nro karịa, yana mmekọrịta dị n'etiti GNNs na Transformers (nke na-elebara anya karịa eserese ejikọrọ zuru oke). Na-atụ anya njikọta siri ike na ụdị ntọala yana iji na-eto eto na nchọpụta ọgwụ na sayensị ihe.
Mmejuputa n'ezie n'ụwa
Na-ebu amụma Njirimara molekụla na nsi na nchọta ọgwụ site n'ịgwọ atom dị ka ọnụ na njikọ kemịkal dị ka akụkụ.
Nkwanye ike na ụlọ ọrụ dị ka Pinterest, ebe PinSage na-amụta ntinye n'elu eserese nke ihe yana mmekọrịta onye ọrụ.
Ịchọta wayo na mpụ ego site n'ịhụ ụkpụrụ na-enyo enyo na eserese azụmahịa n'etiti akaụntụ.
Na-ebu amụma ihu igwe na okporo ụzọ, dị ka ọ dị na GraphCast na ụdị netwọkụ okporo ụzọ na-anọchi anya ọnọdụ dịka ọnụ ọnụ.
Ihe ize ndụ & okporo ụzọ nche
Otu dị iche iche nwere ike iji otu okwu ahụ mee ihe n'ụzọ dị iche, yabụ kọwapụta oge n'oge.
Ihe nrịbama nwere ike ịdị ike ebe arụmọrụ ụwa na-adaghị adaba.
Ileghara ogo data na atụmatụ nyocha anya na-emepụtakarị nsonaazụ na-adịghị mma.
Map mmejuputa
Malite na nkọwa asụsụ dị larịị nke nsonaazụ ịchọrọ.
Họrọ otu metrik ịga nke ọma na otu ọnọdụ ọdịda tupu nnwale.
Gbaa obere onye na-anya ụgbọ elu nwere data nnọchite anya, ọ bụghị ihe ngosi ngosi na-egbu maramara.
Detuo ebe Graph Neural Networks na-enyere aka yana ebe ụzọ ndị dị mfe dị mma.
Nọgide na-eme nchọpụta
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Graph Neural Networks quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Ntuziaka na-esote
Netwọk akwara ozi
Ajụjụ a na-ajụkarị
What is Graph Neural Networks?
Netwọk akwara eserese (GNNs) bụ ụdị na-amụta ozugbo na data ahaziri eserese - ọnụ jikọtara ọnụ - site na ịfefe na ịgbakọta ozi n'etiti ndị agbata obi. Ha dị mkpa n'ihi na ọtụtụ n'ime ụwa n'ezie nwere mmekọrịta: netwọk mmekọrịta, ụmụ irighiri ihe, maapụ okporo ụzọ, na usoro nkwado bụ eserese niile nke grid na usoro enweghị ike ịnọchite anya.
Gịnị bụ isi usoro mgbakọ na mwepụ nke ọtụtụ graph neural netwọk?
Ndị GNN na-arụ ọrụ site n'ime ka ọnụ ọnụ nke ọ bụla chịkọta ma chịkọta ozi sitere na ndị agbata obi ya, wee melite ihe nnọchianya nke ya, na-emegharị ugboro ugboro n'ofe.
Kedu ihe kpatara ọrụ nchikota onye agbata obi GNN ga-eji bụrụ ihe na-adịghị agbanwe agbanwe?
Ebe ọ bụ na enweghị usoro iwu na-akwado ndị agbata obi ọnụ, ọrụ dị ka nchikota, mean, max max na-ahụ na mmepụta adabereghị n'otú e si edepụta ndị agbata obi.
Kedu ihe 'over-smoothing' na-ezo aka na GNN miri emi?
Ịkọba ọtụtụ ọkwa na-agafe ozi na-eme ka nnochite anya ọnụ ọ bụla na-agbakọta na otu uru, na-ehichapụ ndịiche bara uru.
Kedu ihe dị iche na netwọk nleba anya eserese (GAT) na netwọọdụ ihe ngosi eserese nke isi (GCN)?
Ndị GAT na-ekenye ndị agbata obi nlebara anya mmụta dị arọ, na-ekwe ka ọnụ ụzọ mesie ndị kacha dị mkpa kama ịchịkọta ha n'otu n'otu.
Na GNN etinyere na molekul, kedu ihe ọnụ na ọnụ na-anọchi anya ya?
Molecules bụ eserese sitere n'okike: atọm bụ ọnụ na nkekọ jikọtara ha bụ ọnụ, ya mere GNN ji eme nke ọma n'ịkọ amụma akụrụngwa.