Awon nkankikan Nẹtiwọọki
Awọn nẹtiwọọki nkankikan ayaworan (GNNs) jẹ awọn awoṣe ti o kọ ẹkọ taara lori data ti a ti ṣeto iwọn - awọn apa ti o sopọ nipasẹ awọn egbegbe - nipasẹ gbigbe ati ikojọpọ alaye laarin awọn aladugbo.
Akopọ
Wọn ṣe pataki nitori pupọ julọ ti agbaye gidi jẹ ibatan: awọn nẹtiwọọki awujọ, awọn ohun elo, awọn maapu opopona, ati awọn eto iṣeduro jẹ gbogbo awọn aworan ti awọn grids ati awọn ilana ko le ṣe aṣoju nipa ti ara.
Jin Dive
GNN nṣiṣẹ nipasẹ ifiranṣẹ ti nkọja. Oju ipade kọọkan bẹrẹ pẹlu ẹya ara ẹrọ fekito, ati ni kọọkan Layer gbogbo ipade kó awọn ifiranṣẹ lati awọn oniwe-aladugbo, kojọpọ wọn pẹlu kan permutation-ayipada iṣẹ bi apao, tumosi, tabi max, ati ki o mu awọn oniwe-ara oniduro. Iṣakojọpọ L awọn fẹlẹfẹlẹ jẹ ki alaye tan L hops kọja iwọn, nitorinaa ifisinu ipari ipade kan ṣe afihan agbegbe ti o gbooro, kii ṣe awọn asopọ lẹsẹkẹsẹ. Awọn iyatọ yatọ si bi wọn ṣe ṣajọpọ: Awọn Nẹtiwọọki Convolutional Graph lo aropin aladugbo deede, Awọn apẹẹrẹ GraphSAGE ati apapọ nọmba ti o wa titi ti awọn aladugbo fun iwọn, ati Awọn Nẹtiwọọki Ifarabalẹ Aworan kọ awọn iwuwo nitorina ipade kan wa diẹ sii si awọn aladugbo pataki. Ipin ti a kọ ẹkọ, eti, tabi awọn ifibọ awọn aworan kikun lẹhinna ifunni ipin, ipadasẹhin, tabi awọn ori asọtẹlẹ-ọna asopọ.
Imọ-imọ-ẹrọ
Ohun-ini asọye jẹ aibikita permutation: aworan kan ko ni aṣẹ oju ipade atorunwa, nitorinaa igbesẹ apapọ gbọdọ gbejade abajade kanna laibikita bawo ni a ṣe ṣe atokọ awọn aladugbo - nitorinaa apao, tumọ, tabi max dipo iṣẹ ipo ti o wa titi. Idiwọn ti a mọ ti jẹ didan: akopọ ọpọlọpọ awọn fẹlẹfẹlẹ ifiranṣẹ ti nkọja ati gbogbo awọn ifisinu oju ipade si iye kanna, fifọ awọn iyatọ iwulo. Eyi ṣe iwọn ijinle ilowo ati ki o ṣe iwuri awọn asopọ ti o ku ati deede.
Ipa Ilana
Awọn ipinnu diẹ sii
O ṣe iranlọwọ fun ọ lati ya sọtọ awọn iṣeduro imọ-ẹrọ lati ede tita.
Iye owo ati isuna
O le beere awọn ibeere imuse to dara julọ ṣaaju lilo owo tabi akoko.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn ẹgbẹ pẹlu oye pinpin ṣe ọja to dara julọ, eto imulo, ati awọn ipinnu ikẹkọ.
Ojo iwaju ti Awọn Nẹtiwọọki Neural Graph
Awọn GNN jẹ aringbungbun si AI imọ-jinlẹ. DeepMind's GNoME lo wọn lati ṣe asọtẹlẹ awọn miliọnu ti awọn ẹya gara titun iduroṣinṣin, ati awọn awoṣe oju-ọjọ bii GraphCast ṣe aṣoju agbaye bi aworan kan lati ṣe asọtẹlẹ yiyara ju awọn simulators fisiksi. Iwadi n koju scalability si awọn aworan eti bilionu, awọn nẹtiwọọki ti o jinlẹ ti o kọju didan, ati ibatan laarin awọn GNNs ati Awọn Ayirapada (eyiti o jẹ akiyesi pataki lori awọn aworan ti a ti sopọ ni kikun). Reti isọpọ wiwọ pẹlu awọn awoṣe ipilẹ ati lilo ti ndagba ni wiwa oogun ati imọ-jinlẹ ohun elo.
Real-World imuse
Asọtẹlẹ awọn ohun-ini molikula ati majele ninu iṣawari oogun nipasẹ atọju awọn ọta bi awọn apa ati awọn ifunmọ kemikali bi awọn egbegbe.
Awọn iṣeduro agbara ni awọn ile-iṣẹ bii Pinterest, nibiti PinSage ti kọ awọn ifibọ lori aworan kan ti awọn ohun kan ati awọn ibaraenisepo olumulo.
Ṣiṣawari jegudujera ati jijẹ owo nipa wiwo awọn ilana ifura ni awọn aworan iṣowo laarin awọn akọọlẹ.
Asọtẹlẹ oju-ọjọ ati ijabọ, bi ninu GraphCast ati awọn awoṣe nẹtiwọọki opopona ti o ṣe aṣoju awọn ipo bi awọn apa asopọ.
Awọn ewu & Awọn ọna iṣọ
Awọn ẹgbẹ oriṣiriṣi le lo ọrọ kanna ni oriṣiriṣi, nitorinaa ṣalaye iwọn ni kutukutu.
Awọn aṣepari le wo lagbara lakoko ti iṣẹ-aye gidi ko ṣe deede.
Aibikita didara data ati awọn ero igbelewọn nigbagbogbo ṣẹda awọn abajade ẹlẹgẹ.
Ilana Ilana imuse
Bẹrẹ pẹlu itumọ-ede itele ti abajade ti o nilo.
Mu metiriki aṣeyọri kan ati ipo ikuna kan ṣaaju idanwo.
Ṣiṣe awakọ kekere kan pẹlu data aṣoju, kii ṣe eto demo didan.
Iwe-ipamọ nibiti Awọn Nẹtiwọọki Neural Graph ṣe iranlọwọ ati nibiti awọn ọna ti o rọrun dara julọ.
Tesiwaju Ṣiṣawari
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
Itọsọna atẹle
Awọn nẹtiwọki Nẹtiwọki
Awọn ibeere ti a beere nigbagbogbo
Kini Awọn Nẹtiwọọki Neural Graph?
Awọn nẹtiwọọki nkankikan ayaworan (GNNs) jẹ awọn awoṣe ti o kọ ẹkọ taara lori data ti a ti ṣeto iwọn - awọn apa ti o sopọ nipasẹ awọn egbegbe - nipasẹ gbigbe ati ikojọpọ alaye laarin awọn aladugbo. Wọn ṣe pataki nitori pupọ julọ ti agbaye gidi jẹ ibatan: awọn nẹtiwọọki awujọ, awọn ohun elo, awọn maapu opopona, ati awọn eto iṣeduro jẹ gbogbo awọn aworan ti awọn grids ati awọn ilana ko le ṣe aṣoju nipa ti ara.
Kini ẹrọ iširo pataki ti awọn nẹtiwọọki alayaworan pupọ julọ?
Awọn GNN ṣiṣẹ nipa nini ipade kọọkan ati akojọpọ awọn ifiranṣẹ lati ọdọ awọn aladugbo rẹ, lẹhinna ṣe imudojuiwọn aṣoju tirẹ, tun ṣe kọja awọn ipele.
Kilode ti iṣẹ ikojọpọ aládùúgbò GNN kan gbọdọ jẹ ailẹgbẹ permutation?
Níwọ̀n bí kò ti sí ọ̀rọ̀ àfọwọ́kọ sí àwọn aládùúgbò ojú, àwọn ìṣiṣẹ́ bíi àpapọ̀, ìtumọ̀, tàbí ọ̀pọ̀lọpọ̀ ìdánilójú pé àbájáde rẹ̀ kò sinmi lórí bí a ṣe ṣe àtòkọ àwọn aládùúgbò.
Kini 'didun-ju' tọka si ni awọn GNN ti o jinlẹ?
Iṣakojọpọ awọn ipele ifiranšẹ ti o pọ ju ti o fa ki gbogbo awọn aṣoju oju ipade kojọpọ si iye kanna, piparẹ awọn iyatọ iwulo.
Kini iyatọ Nẹtiwọọki Ifarabalẹ Awọnya (GAT) lati Nẹtiwọọki Convolutional Graph ipilẹ kan (GCN)?
Awọn GAT ṣe ipinnu awọn iwuwo akiyesi ti ẹkọ si awọn aladugbo, jẹ ki ipade kan tẹnumọ awọn ti o wulo julọ dipo aropin wọn ni iṣọkan.
Ninu GNN ti a lo si moleku kan, kini awọn apa ati awọn egbegbe ṣe aṣoju fun?
Awọn molikula jẹ awọn aworan nipa ti ara: awọn ọta jẹ awọn apa ati awọn asopọ ti o so wọn jẹ awọn egbegbe, eyiti o jẹ idi ti awọn GNN ṣe tayọ ni asọtẹlẹ awọn ohun-ini molikula.