목록cs224w (10)
주뇽's 저장소
5. Graph Neural Networks(1) CS224W: Machine Learning with Graphs 정리
https://web.stanford.edu/class/cs224w 목차 1. 그래프 데이터의 특성과 도전 과제 - 그래프 신경망(GNN)의 기본 아이디어 - GNN의 계산 그래프와 집계 함수 - GNN 모델 파라미터 학습 2. 그래프 합성곱 신경망(GCN) 3. GNN과 기존 신경망 아키텍처와의 비교 👉 1. 그래프 데이터의 특성과 도전 과제 그래프 데이터는 이미지나 자연어 데이터와는 다음과 같은 차이점이 있어 전통적인 딥러닝 모델을 바로 적용하기 어렵다: 1. 노드의 수와 연결 구조가 불규칙함 (non-Euclidean) 2. 노드의 순서가 없음 (permutation invariant) 3. 노드마다 이웃의 수와 구조가 다름 (variable neighborhood) 1. 그래프 신경망(GNN)의 ..
3. GNN의 TASK CS224W: Machine Learning with Graphs 정리
https://web.stanford.edu/class/cs224w 목차 - GNN의 서로 다른 TASK - Node - Level - Edge - Level - Graph - Level 👉 GNN의 서로 다른 TASK 1. Node - Level 2. Edge - Level 3. Graph - Level 1. Node - Level Tasks 목표: 네트워크에서 노드의 구조와 위치를 특성화합니다. 2. Edge Level Tasks 목표 : 이미 존재하는 Edge들을 기준으로 Edge를 생성 잃어버린 Edge를 찾음 알려지지 않은 Edge를 찾음 1. 예시 : 추천시스템 User - Item 상호작용 영화 보기, 상품 구매, 음악 듣기 Nodes : 사용자(유저)와 아이템 Edges : 사용자-유저 ..