Публикации по теме 'graph-machine-learning'


Демистификация предсказания ожидаемого времени прибытия в Картах Google
Прошли те времена, когда вы были в дороге, не имея ни малейшего представления о том, когда вы достигнете пункта назначения. Запущенные 17 лет назад, Карты Google значительно повлияли на нашу повседневную жизнь, полностью изменив динамику навигации. Люди полагаются на Карты Google не только для расчетных расчетных времен прибытий ( ETA ), но он также широко используется такими предприятиями, как компании, занимающиеся прокатом автомобилей, для предоставления своим услугам информации о..
Графическое машинное обучение (GML) вместе с алгоритмами и их приложениями
«Машинное обучение на основе графов — это будущее искусственного интеллекта. Его можно использовать для извлечения ценных сведений из крупномасштабных сложных данных и прогнозирования, с которыми не могут справиться традиционные методы». — Демис Хассабис, генеральный директор DeepMind ( DeepMind Safety Research ). Машинное обучение на основе графов (GML)  – это быстро развивающаяся область, в которой возможности машинного обучения сочетаются с представлением данных в виде..
Graph ML в 2023 году: состояние дел
СОВРЕМЕННЫЙ ДАЙДЕСТ Graph ML в 2023 году: состояние дел Горячие тренды и основные достижения 2022 год подходит к концу, и самое время сесть и подумать о достижениях, достигнутых в Graph ML, а также выдвинуть гипотезу о возможных прорывах в 2023 году. Настройтесь на 🎄☕ Статья написана совместно с Hongyu Ren (Стэнфордский университет), Zhaocheng Zhu (Mila & University of Montreal). Мы благодарим Кристофера Морриса и Йоханнеса Брандштеттера за обратную связь и помощь в..
Новые взгляды на силу графиков
Графовое машинное обучение и графовые нейронные сети (GNN) вызывают огромный интерес как в научных кругах, так и в промышленности. ( Первая конференция, посвященная машинному обучению на основе графов , состоится позже в этом году.) Тем не менее, вы обнаружите, что графы появляются в других уголках более широкого мира науки о данных и машинного обучения; Независимо от вашей специальности, полезно расширить свои знания об этой основополагающей концепции. Мы здесь, чтобы помочь: вот три..
Граф Нейронная сеть в Машинном обучении Azure (регрессия)
Как запустить графовую нейронную сеть в машинном обучении Azure (регрессия) Предпосылка Учетная запись Azure Служба машинного обучения Azure Создание вычислительного экземпляра Нужна учетная запись хранения Пример использования Создавайте модели глубокого обучения с помощью графа Технология совершенно новая и может быть изменена Идея здесь состоит в том, чтобы использовать графические данные и использовать глубокое обучение. используя спектрал (..
Графическое машинное обучение: обзор
Демистификация графовых нейронных сетей — часть 1 Графическое машинное обучение: обзор Ключевые понятия для начала работы Графовые нейронные сети (GNN) привлекают внимание в науке о данных и машинном обучении, но до сих пор остаются малоизученными за пределами экспертных кругов. Чтобы понять этот захватывающий подход, мы должны начать с более широкой области графического машинного обучения (GML). Многие онлайн-ресурсы говорят о GNN и GML так, как будто они являются..
Обучение временному графу в 2023 году
История до сих пор Сети реального мира, такие как социальные сети, сети трафика и цитирования, часто развиваются с течением времени, и область обучения временных графов (TGL) направлена ​​​​на извлечение, изучение и прогнозирование этих развивающихся сетей. В последнее время TGL привлекает все большее внимание сообщества машинного обучения благодаря резкому увеличению количества статей и первому семинару в этой области, проведенному в прошлом году на NeurIPS 2022! Это сообщение..