Введение Графы — это сложные и разнообразные структуры данных, которые могут представлять различные виды информации, такие как социальные сети, молекулярные структуры или базы знаний. Однако учиться на графах непросто, так как для этого требуются модели, способные отражать богатые и тонкие закономерности структуры графа. Графовые нейронные сети (GNN) и многослойные персептроны (MLP) — две популярные модели обучения на графах, но у них есть свои недостатки. GNN часто страдают от..

Машинное обучение на графах, часть 1 Сбор базовой статистики В серии публикаций я сделаю обзор нескольких подходов машинного обучения к обучению на основе данных графов. Начав с базовой статистики, которая используется для описания графов, я углублюсь в предмет, обсудив вложения узлов, ядра графов, обработку сигналов графов и, в конечном итоге, нейронные сети графов. Эти сообщения предназначены для отражения моего личного опыта в академических кругах и промышленности, включая..