가이드 연계 퀴즈 · 중간 레벨

그래프 신경망 퀴즈

GNN 메시지 전달, 순열 불변성, 과도한 평활화, 주의, 분자 그래프 및 수용 필드 홉을 검토합니다.

관련 가이드 경로그래프 신경망
질문 1 의 8

대부분의 그래프 신경망의 핵심 계산 메커니즘은 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 대부분의 그래프 신경망의 핵심 계산 메커니즘은 무엇입니까?
    • 인접 노드 간 메시지 전달 및 집계
    • 고정된 픽셀 그리드 위로 컨볼루션 슬라이딩
    • 자동회귀적 다음 토큰 예측
    • 학습 없이 무작위 걷기
  2. GNN의 이웃 집계 함수가 순열 불변이어야 하는 이유는 무엇입니까?
    • 훈련을 더 빠르게 하기 위해
    • 그래프의 이웃에는 고유한 순서가 없기 때문에
    • 그래프는 항상 방향을 향하기 때문에
    • 매개변수 수를 하나로 줄이려면
  3. Deep GNN에서 'over-smoothing'은 무엇을 의미하나요?
    • 이미지가 흐려짐
    • 모서리를 잃은 그래프
    • 레이어가 증가함에 따라 노드 임베딩이 거의 동일하게 수렴됩니다.
    • 무한대로 폭발하는 그라디언트
  4. 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
  5. 분자에 적용된 GNN에서 노드와 에지는 일반적으로 무엇을 나타냅니까?
    • 원자와 화학 결합
    • 픽셀과 색상
    • 단어와 문장
    • 사용자 및 게시물
  6. L개의 메시지 전달 계층 이후에 정보가 노드로 이동할 수 있는 홉 수는 얼마나 됩니까?
    • 항상 정확히 하나의 홉
    • L홉까지
    • 단일 레이어의 전체 그래프
    • 제로 홉
  7. 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
  8. 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