แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบโครงข่ายประสาทเทียมกราฟ
ตรวจสอบการส่งข้อความ GNN, ค่าคงที่ของการเรียงสับเปลี่ยน, การทำให้เรียบมากเกินไป, ความสนใจ, กราฟโมเลกุล และการกระโดดของฟิลด์ที่รับข้อมูล
คำถาม 1 ของ 8
กลไกการคำนวณหลักของโครงข่ายประสาทเทียมแบบกราฟส่วนใหญ่คืออะไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- กลไกการคำนวณหลักของโครงข่ายประสาทเทียมแบบกราฟส่วนใหญ่คืออะไร
- การส่งข้อความและการรวมกลุ่มระหว่างโหนดข้างเคียง
- เลื่อน Convolution บนตารางพิกเซลคงที่
- การทำนายโทเค็นถัดไปแบบถดถอยอัตโนมัติ
- เดินสุ่มโดยไม่มีการเรียนรู้
- เหตุใดฟังก์ชันการรวมเพื่อนบ้านของ GNN จึงต้องมีการเรียงสับเปลี่ยนไม่แปรเปลี่ยน
- เพื่อให้การฝึกเร็วขึ้น
- เนื่องจากเพื่อนบ้านของกราฟไม่มีลำดับโดยธรรมชาติ
- เพราะกราฟมีทิศทางเสมอ
- เพื่อลดจำนวนพารามิเตอร์ให้เหลือหนึ่งตัว
- 'การทำให้เรียบมากเกินไป' หมายถึงอะไรใน GNN แบบลึก
- ภาพเริ่มเบลอ
- กราฟสูญเสียขอบ
- การฝังโหนดมาบรรจบกันให้เกือบจะเหมือนกันเมื่อเลเยอร์เพิ่มขึ้น
- การไล่ระดับสีระเบิดจนไม่มีที่สิ้นสุด
- 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
- ใน GNN ที่นำไปใช้กับโมเลกุล โดยทั่วไปแล้วโหนดและขอบแสดงถึงอะไร
- อะตอมและพันธะเคมี
- พิกเซลและสี
- คำและประโยค
- ผู้ใช้และโพสต์
- ข้อมูลสามารถเดินทางไปยังโหนดได้ไกลแค่ไหนหลังจากเลเยอร์การส่งข้อความ L
- กระโดดหนึ่งครั้งเสมอ
- มากถึง L ฮอป
- กราฟทั้งหมดในเลเยอร์เดียว
- กระโดดเป็นศูนย์
- 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