当前位置:   article > 正文

CS224W1.1——图机器学习介绍

CS224W1.1——图机器学习介绍


学习一下斯坦福CS224W的图机器学习(2021年),并做一下学习笔记,主要是研究方向与图神经网络相关。这次是第一次笔记,图片很多都是从斯坦福的PPT里截取的。主要为了之后自己忘了可以快速回顾一下。

1. 介绍

首先,介绍一下什么是图:

在这里插入图片描述

简单来说,图是一种描述和分析实体之间关系的通用表达形式。

图的种类也有很多,比如:

在这里插入图片描述

事件图、计算机网络图、疾病传播图、食物链图、分子图、地铁路线图。

在这里插入图片描述

社交网络图、金融图、沟通图、论文引用图、因特网、神经元网络。

在这里插入图片描述

知识图谱、监管网络图、场景图、代码结构图、分子结构图、3D图形。

有些时候图(Graphs)和网络(Networks)的区别是模糊的:

在这里插入图片描述

在这里插入图片描述

2. 主要问题

  • 而我们的主要问题集中在:如何利用关系结构去进行更好的预测

在这里插入图片描述

复杂领域具有丰富的关系结构,可以用关系图来表示。通过显式地对关系建模,我们可以获得更好的性能!是我们的模型预测准确度提高。

3. 深度学习如何应用在图结构中

在这里插入图片描述

现代深度学习神经网络适用于简单序列、网格结构,如上图。

然而,图神经网络一般比较复杂:

在这里插入图片描述

  • 图结构的大小任意。
  • 没有空间局部性(网格数据中有上下左右,文本数据中有左右)。
  • 大部分情况图神经网络是动态的,节点不是固定的。

所以我们目前的存在一个很大的问题就是:我们怎样才能开发出更广泛适用的神经网络?

在这里插入图片描述

我们要做的是大概就是,输入一个图结构数据,经过多层神经网络结构,输出一些预测。而我们要怎样构建一个这样的神经网络结构,去完成这样一个端到端的任务,而不需要人为输入图结构的特征表示。

在这里插入图片描述

传统的特征工程将被取代,我们希望给出一写图数据,可以自动生成较好的图数据特征表示,以便用于下游任务。

在这里插入图片描述

图神经网络主要作用就是将我们节点映射到一个d维空间,使与该节点在d维空间中相近的节点,在原图中也与该节点相似。主要目标就是学习出来这个f函数。

4. 课程大纲

在这里插入图片描述

以上是一些相关的研究,也是接下来要学习的内容。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/凡人多烦事01/article/detail/589055
推荐阅读
相关标签
  

闽ICP备14008679号