شبکه عصبی گراف (GNN) چیست؟

در یادگیری ماشن و یادگیری عمیق با انواع داده ممکن است مواجه شویم، داده هایی نظیر ساختار یافته (که در ساختار دیتابیس های ساختاریافته نظیر SQL میتوان آنها را تعریف کرد) و مجموعه داده های غیر ساختاریافته ای مثل صوت، متن، تصویر و ویدیو. این مجموعه داده ها معمولا در فضای اقلیدسی ارائه می شود. با این وجود، تعداد داده‌های غیر اقلیدسی که بصورت گراف (Graph) نشان داده می شود، در حال افزایش است.

شبکه‌های عصبی گرافی (GNN)، که به عنوان یک روش قدرتمند در یادگیری داده های گرافی شناخته می‌شوند، در سال‌های اخیر مورد توجه بسیاری از پژوهشگران قرار گرفته‌اند. گراف‌ها نوع رایجی از ساختار داده غیراقلیدسی هستند، یک روش انتزاعی برای مدل‌سازی داده‌هایی که شامل گره‌ها(راس ها) و یالهای ارتباطی است. شبکه‌های عصبی گرافی برای پردازش داده‌های با ساختار گراف طراحی شده‌اند. شبکه‌های عصبی گرافی می‌توانند به عنوان زیرمجموعه‌ای از یادگیری عمیق هندسی دیده شوند. در  “کاربردهای شبکه‌های عصبی گرافی” به کاربردهای مختلف شبکه‌های عصبی گرافی پرداخته شده است، همچنین میتوانید معماری های رایج برای یادگیری گراف را در “بهترین معماری‌های شبکه عصبی گراف(GNN): GCN، GAT، MPNN و موارد دیگر” بخوانید.

اگر به یادیگیری مباحث یادگیری عمیق علاقه مندید، کورس آموزشی شبکه های عصبی گرافی را از دست ندهید:

دوره‌ی آموزشی ویدیویی Graph Neural Network