Grafik Sinir Ağları Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Çoğu grafik sinir ağının temel hesaplama mekanizması nedir?
   • Komşu düğümler arasında mesaj aktarımı ve toplanması
   • Sabit bir piksel ızgarası üzerinde bir evrişimi kaydırma
   • Otoregresif sonraki belirteç tahmini
   • Hiçbir öğrenme gerektirmeden rastgele yürüyüşler
2. Bir GNN'nin komşu toplama işlevi neden permütasyonla değişmez olmalıdır?
   • Eğitimi daha hızlı hale getirmek için
   • Çünkü bir grafiğin komşularının doğal bir sıralaması yoktur
   • Çünkü grafikler her zaman yönlendirilir
   • Parametre sayısını bire düşürmek için
3. Derin GNN'lerde 'aşırı yumuşatma' neyi ifade eder?
   • Görüntüler bulanıklaşıyor
   • Grafik kenarlarını kaybediyor
   • Katmanlar arttıkça düğüm yerleştirmeleri neredeyse aynı olacak şekilde yakınlaşıyor
   • Sonsuza kadar patlayan gradyanlar
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. Bir moleküle uygulanan bir GNN'de düğümler ve kenarlar tipik olarak neyi temsil eder?
   • Atomlar ve kimyasal bağlar
   • Pikseller ve renkler
   • Kelimeler ve cümleler
   • Kullanıcılar ve gönderiler
6. L mesaj ileten katmanlardan sonra bilgi bir düğüme kaç atlama uzağa gidebilir?
   • Her zaman tam olarak bir atlama
   • L şerbetçiotuna kadar
   • Grafiğin tamamı tek bir katmanda
   • Sıfır şerbetçiotu
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