Графовая нейронная сеть
Нейронная сеть, которая работает с данными в виде графа, то есть вершин и связей между ними (graph neural network, GNN). Её слои по очереди собирают информацию от соседних вершин и обновляют представление каждой вершины. Поэтому такие сети учитывают структуру связей и подходят для молекул, социальных и транспортных сетей, рекомендаций и графов знаний. Их применяют, чтобы классифицировать вершины и целые графы и предсказывать связи.
проверено по: education.yandex.ru ↗
См. также
- Граф знанийСпособ хранить информацию в виде сети: узлы обозначают сущности (людей, организации, страны, понятия), а связи между ними — отношения. В отличие от разрозненных таблиц, такая структура сохраняет смысл связей, поэтому данные из разных источников проще объединять и запрашивать. Графы знаний (knowledge graph) используют в поиске и для того, чтобы давать языковым моделям проверенный контекст.
- ТрансформерАрхитектура нейронной сети (transformer), предложенная в 2017 году и основанная на механизме внимания: модель обрабатывает последовательность токенов целиком и для каждого токена взвешивает связи с остальными. Лежит в основе большинства современных языковых и мультимодальных моделей, вытеснив рекуррентные и свёрточные архитектуры в обработке последовательностей.
В новостях
Учёные предложили учить ИИ в сетях 6G на медленных точных расчётах
Нейросеть для данных в виде графа — узлов и связей между ними, например устройств и каналов связи. Учитывает не только свойства узлов, но и то, как они соединены.