شبکه عصبی گراف ( GNN ) یک کلاس از شبکه های عصبی مصنوعی برای پردازش داده ها است که می تواند به صورت یک گراف نمایش داده شود. [ ۱] [ ۲]
در موضوع کلی تر "یادگیری ژرف هندسی"، برخی از معماری های شبکه عصبی خاص موجود را می توان به عنوان شبکه های عصبی گرافی که بر روی گراف های خوش تعریف عمل می کنند تفسیر کرد. شبکه های عصبی پیچشی، در زمینه بینایی کامپیوتری، می توانند به عنوان یک شبکه عصبی گراف به اعمال شده روی گراف هایی که به صورت شبکه هایی از پیکسل ها ساخته شده اند، دیده شوند. ترنسفورمرها، در زمینه پردازش زبان های طبیعی، می توانند به عنوان شبکه های عصبی گرافی دیده شوند که برای گراف کاملی که گره های آن ها کلمات در یک جمله هستند اعمال می شوند.
نکته کلیدی در طراحی شبکه های عصبی گراف، استفاده از روش ارسال پیام به صورت زوجی است؛ به گونه ای که گره های گراف به طور مکرر مقادیر و نمایش شان را از طریق تبادل اطلاعات با همسایه هایشان به روز می کنند. از زمان ظهور شبکه های عصبی گراف، معماری های مختلفی با انواع روش های ارسال پیام معرفی شده اند. اما تا به امروز این سوال که آیا می توان معماری شبکه های عصبی گرافی ارائه کرد که از ارسال پیام فراتر برود یا برای هر گرافی که به شکلی مناسب تعریف شده است یک مدل شبکه عصبی گراف مبتنی بر ارسال پیام طراحی کرد بدون پاسخ باقی مانده است.
حوزه های کاربرد شبکه های عصبی گراف شامل شبکه های اجتماعی، شبکه های استنادی، زیست شناسی مولکولی، شیمی، فیزیک و مسائل بهینه سازی ترکیبیاتی ان پی - سخت است.
در معماری یک شبکه عصبی گراف عمومی لایه های اساسی زیر پیاده سازی می شوند:
• هم وردای جایگشتی: یک لایه هم وردای جایگشتی، نمایشی از یک گراف را به یک نمایش به روز شده از همان گراف نگاشت می کند. در مقالات، لایه های هم وردای جایگشتی از طریق ارسال پیام زوجی بین گره های گراف پیاده سازی می شوند. به طور شهودی، در یک لایه ارسال پیام، گره ها با جمع آوری پیام های دریافتی از همسایگان خود، نمایش خود را به روزرسانی می کنند. به این ترتیب، هر لایه ارسال پیام، میدان دریافتی شبکه عصبی گراف را یک جهش افزایش می دهد. بلوک های اصلی ساختار یک شبکه عصبی گراف ( GNN ) . ( 1 ) {\displaystyle ( 1 ) } لایه هم وردا به جایگشت. ( 2 ) {\displaystyle ( 2 ) } لایه ادغام محلی. ( 3 ) {\displaystyle ( 3 ) } لایه ادغام سراسری ( یا بازخواندن ) . رنگ ها ویژگی ها را نشان می دهند.
• ادغام محلی: یک لایه ادغام محلی، گراف را از طریق نمونه کاهی، ناهموار می کند. [ ۳] از ادغام محلی برای افزایش میدان دریافتی یک شبکه عصبی گراف، به روشی مشابه لایه های ادغام در شبکه های عصبی پیچشی استفاده می شود. به عنوان مثال می توان به ادغام k - نزدیک ترین همسایه ها، ادغام top - k و ادغام توجه به خود اشاره کرد. [ ۴]
• ادغام سراسری: یک لایه ادغام سراسری، که همچنین به عنوان لایه بازخوانی شناخته می شود، نمایشی با اندازه ثابت از کل گراف ارائه می دهد. لایه ادغام سراسری باید نسبت به تغییرات جایگشتی بدون تغییر بماند، به طوری که جایگشت در ترتیب گره ها و یال های گراف، خروجی نهایی را تغییر ندهد. [ ۵] مثال ها عبارتند از: مجموع، میانگین یا حداکثر عناصر. [ ۶]
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفدر موضوع کلی تر "یادگیری ژرف هندسی"، برخی از معماری های شبکه عصبی خاص موجود را می توان به عنوان شبکه های عصبی گرافی که بر روی گراف های خوش تعریف عمل می کنند تفسیر کرد. شبکه های عصبی پیچشی، در زمینه بینایی کامپیوتری، می توانند به عنوان یک شبکه عصبی گراف به اعمال شده روی گراف هایی که به صورت شبکه هایی از پیکسل ها ساخته شده اند، دیده شوند. ترنسفورمرها، در زمینه پردازش زبان های طبیعی، می توانند به عنوان شبکه های عصبی گرافی دیده شوند که برای گراف کاملی که گره های آن ها کلمات در یک جمله هستند اعمال می شوند.
نکته کلیدی در طراحی شبکه های عصبی گراف، استفاده از روش ارسال پیام به صورت زوجی است؛ به گونه ای که گره های گراف به طور مکرر مقادیر و نمایش شان را از طریق تبادل اطلاعات با همسایه هایشان به روز می کنند. از زمان ظهور شبکه های عصبی گراف، معماری های مختلفی با انواع روش های ارسال پیام معرفی شده اند. اما تا به امروز این سوال که آیا می توان معماری شبکه های عصبی گرافی ارائه کرد که از ارسال پیام فراتر برود یا برای هر گرافی که به شکلی مناسب تعریف شده است یک مدل شبکه عصبی گراف مبتنی بر ارسال پیام طراحی کرد بدون پاسخ باقی مانده است.
حوزه های کاربرد شبکه های عصبی گراف شامل شبکه های اجتماعی، شبکه های استنادی، زیست شناسی مولکولی، شیمی، فیزیک و مسائل بهینه سازی ترکیبیاتی ان پی - سخت است.
در معماری یک شبکه عصبی گراف عمومی لایه های اساسی زیر پیاده سازی می شوند:
• هم وردای جایگشتی: یک لایه هم وردای جایگشتی، نمایشی از یک گراف را به یک نمایش به روز شده از همان گراف نگاشت می کند. در مقالات، لایه های هم وردای جایگشتی از طریق ارسال پیام زوجی بین گره های گراف پیاده سازی می شوند. به طور شهودی، در یک لایه ارسال پیام، گره ها با جمع آوری پیام های دریافتی از همسایگان خود، نمایش خود را به روزرسانی می کنند. به این ترتیب، هر لایه ارسال پیام، میدان دریافتی شبکه عصبی گراف را یک جهش افزایش می دهد. بلوک های اصلی ساختار یک شبکه عصبی گراف ( GNN ) . ( 1 ) {\displaystyle ( 1 ) } لایه هم وردا به جایگشت. ( 2 ) {\displaystyle ( 2 ) } لایه ادغام محلی. ( 3 ) {\displaystyle ( 3 ) } لایه ادغام سراسری ( یا بازخواندن ) . رنگ ها ویژگی ها را نشان می دهند.
• ادغام محلی: یک لایه ادغام محلی، گراف را از طریق نمونه کاهی، ناهموار می کند. [ ۳] از ادغام محلی برای افزایش میدان دریافتی یک شبکه عصبی گراف، به روشی مشابه لایه های ادغام در شبکه های عصبی پیچشی استفاده می شود. به عنوان مثال می توان به ادغام k - نزدیک ترین همسایه ها، ادغام top - k و ادغام توجه به خود اشاره کرد. [ ۴]
• ادغام سراسری: یک لایه ادغام سراسری، که همچنین به عنوان لایه بازخوانی شناخته می شود، نمایشی با اندازه ثابت از کل گراف ارائه می دهد. لایه ادغام سراسری باید نسبت به تغییرات جایگشتی بدون تغییر بماند، به طوری که جایگشت در ترتیب گره ها و یال های گراف، خروجی نهایی را تغییر ندهد. [ ۵] مثال ها عبارتند از: مجموع، میانگین یا حداکثر عناصر. [ ۶]
wiki: شبکه عصبی گراف