PaperNotes(16)-图神经网络GNN简史、不动点建模-笔记
图神经网络简史、简介
- 1.图神经网络简史
- 2.图神经网络--学习过程
- 3.图神经网络--理论基础
- 4.图神经网络的局限
- 5.GNN,RNN,GGNN
- 6.小结
阅读笔记:从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (一)(https://www.cnblogs.com/SivilTaram/p/graph_neural_network_1.html)
该文详细写明了设涉及的参考材料,是一个很棒的综述性材料。本文仅作为阅读该系列文章的笔记,详情请参考原文。
GNN侧重于时序展开,GCN是空间序展开
1.图神经网络简史
- 2005年–图神经网络的概念被提出,
- 2009年–Franco博士在论文[1]《The graph neural network model》阐明了图神经网络的理论基础。早期的GNN用于诸如依据分子结构对物质进行分类等问题。
- 2013年–Bruna首次提出基于频域和基于空域的卷积神经网络[2]。
- 其后,基于空域卷积的研究偏多,基于频域的工作相对较少。
- 2014年–引发了图表示学习的研究热潮(DeepWalk,知识图谱的分布式表示)。
2.图神经网络–学习过程
(没有明白如何测试,哪些东西是可学习的?)
基本思想就是:建模一张图(最核心的部分,希望可以通过后续的例子来说明如何建模一张图),通过信息的传播使整张图达到收敛,在其基础上再进行预测。
学习目标1–利用状态更新函数f,获取每个结点的图感知的隐藏状态。
学习目标2–利用输出函数g,来适应下游任务,例如分类。
状态更新函数f,用来不断更新结点的隐藏状态。其输入是:该结点的特征、邻居结点的隐藏状态、邻居结点的隐藏状态、边的特征。f使用神经网络建模,用另据结点的额隐藏状态来更新当前结点的状态,直至隐藏状态的变化幅度很小。
输出函数g,其输入是某一个结点的特征和隐藏状态,得到下游任务的输出,例如分类任务。
loss与f,g学习:(以社交网络为例,在整张图中)并不是每个结点都有监督信号。有监督信号的结点参与loss的计算,迭代的依次得loss对关于隐状态的hv0,hv1,...,hvTh^0_v,h^1_v,...,h^T_vhv0,hv1,...,hvT的梯度,用于更新模型参数(f,g的权重吧)(具体操作还是跑代码能明白的清楚些) AP 算法。
3.图神经网络–理论基础
Franco博士图神经网络的理论基础是不动点理论,专指巴拿赫不动点定理。只要状态更新函数f是一个压缩映射,每个结点的任意初始化的隐状态都能够收敛至一个固定点的,即不动点。(如何保证这个不动点就是我们想要的点呢)
压缩映射:对于原空间中的任意两个点x,yx,yx,y,经过f映射后分别变成f(x),f(y)f(x),f(y)f(x),f(y)。如果满足d(f(x),f(y))≤cd(x,y),0≤c≤1d(f(x),f(y))\leq cd(x,y),0\leq c\leq 1d(f(x),f(y))≤cd(x,y),0≤c≤1,那么f即构成一个压缩映射。
即经f变换后的新空间比原空间要小,原空间被压缩了。不断进行压缩操作,最终就会把原空间中的所有点映射到一个点上。(压缩轨迹应该不私想象中那么平滑)
保证神经网络是一个压缩映射:限制f对h偏导数矩阵的大小,采用雅可比矩阵惩罚项的实现。
4.图神经网络的局限
(本阶段图神经网络的局限性)
- 边的特性无法学习
- 基于不动点的收敛会导致结点之间的隐藏状态存在较多的信息共享,从而导致状态太过于光滑,并且属于结点自身的信息匮乏。
5.GNN,RNN,GGNN
GNN隐状态的时序迭代更新方式与RNN非常类似,两者的区别:
- GNN依据不动点理论,沿时间展开长度是动态的,RNN沿时间展开的长度就是序列本身的长度。
- GNN用AP算法反向传播,RNN用BPTT优化
GGNN:可学习的边权,不依赖于不动点定理,使用GRU更新法则,状态更新若干步,利用BPTT算法反向传播得到边权和GRU的参数。
6.小结
之后会介绍图卷积神经网络,拜托了基于循环的方法,开始走向多层神经网络。
[1]. The graph neural network model, https://persagen.com/files/misc/scarselli2009graph.pdf
[2]. Spectral networks and locally connected networks on graphs, https://arxiv.org/abs/1312.6203
PaperNotes(16)-图神经网络GNN简史、不动点建模-笔记相关推荐
- 深入浅出图神经网络|GNN原理解析☄学习笔记(四)表示学习
深入浅出图神经网络|GNN原理解析☄学习笔记(四)表示学习 文章目录 深入浅出图神经网络|GNN原理解析☄学习笔记(四)表示学习 表示学习 表示学习的意义 离散表示与分布式表示 端到端学习 基于重构损 ...
- 图机器学习(GML)图神经网络(GNN)原理和代码实现(前置学习系列二)
图机器学习(GML)&图神经网络(GNN)原理和代码实现(PGL)[前置学习系列二] 上一个项目对图相关基础知识进行了详细讲述,下面进图GML networkx :NetworkX 是一个 P ...
- A.图机器学习(GML)图神经网络(GNN)原理和代码实现(前置学习系列二)
图学习图神经网络算法专栏简介:主要实现图游走模型(DeepWalk.node2vec):图神经网络算法(GCN.GAT.GraphSage),部分进阶 GNN 模型(UniMP标签传播.ERNIESa ...
- 图神经网络(GNN)的简介
近年来,图神经网络(GNN)在社交网络.知识图.推荐系统甚至生命科学等各个领域得到了越来越广泛的应用.GNN在对图节点之间依赖关系进行建模的强大功能,使得与图分析相关的研究领域取得了突破.本文介绍了图 ...
- 掌握图神经网络GNN基本,看这篇文章就够了
https://www.toutiao.com/a6657732617623831051/ 2019-02-14 14:02:50 [新智元导读]图神经网络(GNN)在各个领域越来越受欢迎,本文介绍了 ...
- 图网络究竟在研究什么?从15篇研究综述看图神经网络GNN的最新研究进展
近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视.图神经网络(GNN)是一类基于深度学习的处理图域信息的方法. 到目前,相关研究的已经非常多了,不过我们回过头来看思考和回顾一下 ...
- 人工智能中图神经网络GNN是什么?
来源:机器之心 本文约2400字,建议阅读5分钟 本文将介绍简单图神经网络(GNN)的基础知识及其内在工作原理背后的直观知识. 在社交网络分析等一些应用中,图神经网络已经得到了广泛的应用.新加坡科技研 ...
- 【图神经网络】图神经网络(GNN)学习笔记:基于GNN的图表示学习
图神经网络GNN学习笔记:基于GNN的图表示学习 1. 图表示学习 2. 基于GNN的图表示学习 2.1 基于重构损失的GNN 2.2 基于对比损失的GNN 参考资料 本文主要就基于GNN的无监督图表 ...
- 【图神经网络实战】深入浅出地学习图神经网络GNN(上)
文章目录 一.图神经网络应用领域 1.1 芯片设计 1.2 场景分析与问题推理 1.3 推荐系统 1.4 欺诈检测与风控相关 1.5 知识图谱 1.6 道路交通的流量预测 1.7 自动驾驶(无人机等场 ...
最新文章
- Python类的多态
- mysql 日期查询今天_Mysql 日期查询今天、昨天、近7天、近30天、本月、上一月、本季...
- 电脑:电脑弹窗广告三个解决方法,欢迎收藏!
- 你知道荷兰旗问题吗?
- 阶段5 3.微服务项目【学成在线】_day04 页面静态化_20-页面静态化-静态化测试-填写页面DataUrl...
- 心公正白壁无瑕什么意思?_人工智能可以编写无瑕的代码后,编码会变得无用吗?
- 管理小故事精髓 100例(转)
- 【数据结构与算法】详解什么是哈希表,并用代码手动实现一个哈希表
- VAX 的使用快捷键
- matlab 分组求平均值,MATLAB:取一个列表中两个数字的平均值?(MATLAB: taking the average of two numbers in a list?)...
- android textview 设置字体,Android 设置TextView自动调整字体大小
- 圣诞老人python代码_用Python画圣诞老人的N种方法
- 计算机逻辑与 或 非的表达式,计算机算数和,逻辑与,逻辑或,逻辑非分别是什么意思...
- 大数据常见英文词汇(三)之常见框架和组件(待续)
- 密信(MeSince) — 免费的全自动邮件加密软件
- 建站提示:B2C网站建设的注意事项
- wordpress创建_您可以使用WordPress创建的19种网站类型
- 超经典的 25 道 MyBatis 面试题!
- open-falcon分布式安装
- 数字式声纳设计原理 pdf_四川市政排水管道声纳监测服务
热门文章
- Linux Kbuild文档 4
- java判断ftp创建目录是否成功_Java判断Ftp服务器目录是否存在,若不存在创建目录 ....
- 计算机控制的点火系统由,第八节(点火系统)
- 计算机图形学在线作业,电子科技16秋《计算机图形学》在线作业3 辅导资料
- 哪里的mysql性能监控_mysql性能监控工具Innotop简介及配置
- ArcGis Desktop10 注册机授权方法与安装步骤
- 一步步编写操作系统 43 汇编语言和c语言的理解
- 一行c语言代码,打钩的一行c语言代码解释一下,谢谢,详细解释绝对最佳
- 【Python CheckiO 题解】Date and Time Converter
- 【Python CheckiO 题解】Even the Last