去年,DeepMind、谷歌大腦、MIT等機(jī)構(gòu)聯(lián)合提出“圖網(wǎng)絡(luò)”(GNN),將端到端學(xué)習(xí)與歸納推理相結(jié)合,有望解決深度學(xué)習(xí)無法進(jìn)行關(guān)系推理的問題。圖網(wǎng)絡(luò)究竟為什么如此強大?背后的機(jī)制如何?未來發(fā)展方向有哪些?這里有一份斯坦福31頁PPT,帶你看個明白。
圖神經(jīng)網(wǎng)絡(luò)最近是個很火的話題,與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,圖神經(jīng)網(wǎng)絡(luò)將圖形作為輸入(而不是原始像素或聲波),然后學(xué)習(xí)推理和預(yù)測對象及其關(guān)系如何隨時間演變。圖網(wǎng)絡(luò)方法已經(jīng)證明了在一系列應(yīng)用實現(xiàn)快速學(xué)習(xí),達(dá)到人類水平的能力。
此外,圖網(wǎng)絡(luò)可以使網(wǎng)絡(luò)不那么容易受到對抗性攻擊,原因很簡單,它是一個將事物表示為對象,而不是像素模式的系統(tǒng),不會輕易被一點噪音或無關(guān)的貼紙所干擾。
新智元今天為大家推薦一份PPT綜述,作者是斯坦福大學(xué)的多位博士后和博士生。這篇綜述由基于神經(jīng)網(wǎng)絡(luò)和圖網(wǎng)絡(luò)的任務(wù)入手,對圖神經(jīng)網(wǎng)絡(luò)的建立、架構(gòu)、訓(xùn)練模式和模型特征等方面做了系統(tǒng)的梳理和介紹,并在最后給出了幾個產(chǎn)業(yè)界和學(xué)術(shù)界的應(yīng)用實例。
下面是全部PPT文稿(共31頁),供感興趣的讀者參考。
首先介紹了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)任務(wù)和圖網(wǎng)絡(luò)的區(qū)別
為何圖網(wǎng)絡(luò)難以構(gòu)建?
圖網(wǎng)絡(luò)架構(gòu)解析:如何通過圖向計算節(jié)點特征傳播信息
GraphSAGE:聚合后的參數(shù)可供全部計算節(jié)點共享
提出DiffPool架構(gòu),對圖網(wǎng)絡(luò)進(jìn)行池化
下面是幾個應(yīng)用實例:
圖網(wǎng)絡(luò)的強大判別能力和表達(dá)能力
結(jié)論與未來研究方向:
最后是參考文獻(xiàn)與作者介紹:
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4717瀏覽量
100002 -
模型
+關(guān)注
關(guān)注
1文章
3032瀏覽量
48351 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5422瀏覽量
120590
原文標(biāo)題:圖神經(jīng)網(wǎng)絡(luò)為何如此強大?看完這份斯坦福31頁PPT就懂了!
文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論