بلاگ

پایگـاه اطلاعات علمی جهاد دانشگاهی

Graph Attention Network (GAT) چیست؟


یادگیری ماشین یکی از روش های تحلیل داده است که به ساخت مدل های تحلیلی خودکار می پردازد .

یادگیری ماشین یکی از روش های تحلیل داده است که به ساخت مدل های تحلیلی خودکار می پردازد . یادگیری ماشین یکی از شاخه های هوش مصنوعی است که مبتنی بر این نظریه  استوار است که سیستم ها می توانند داده ها را یاد بگیرند ، الگوهای آن را شناسایی کنند و با کمترین دخالت انسان تصمیم بگیرند .

در بحث هوش مصنوعی و یادگیری ماشین هر روز توجه بیشتری به Graph Learning می شود . یکی از دلایل آن این است که می توان داده های بیشتری را به نمودار تبدیل کرد . یکی از مباحث اخیر در Graph Learning ،(GNN) Graph Neural Network است .  GNN تجمع همسان گرا را اجرا می کند که در آن هر همسایه به صورت مساوی در به روز رسانی نمایش گره مرکزی مشارکت دارد .

Graph Attention Network (GAT) چیست ؟

Graph Attention Network (GAT) یا  شبکه های توجه گرافی ، یک معماری بر اساس شبکه عصبی است که روی داده هایی با ساختار گراف کار می کند تا به رفع نقص های روش های قبلی بپردازد . GAT زیر مجموعه ای از GNN است که خود GNN نیز مرتبط با Graph Convolutional Network است .

برای پیاده سازی GATبه داده هایی نیاز داریم که از جنس گراف باشند مثل مولکول ها و شبکه های آب و برق ، شبکه های اجتماعی، شبکه های استنادی و داده های اتصال مغز و یا داده هایی که خودمان بتوانیم آنها را به شکل گراف دربیاوریم مثل پردازش زبان طبیعی و متون . یعنی می توانیم متون را نیز به گراف تبدیل کنیم . پس GAT روی داده های به شکل گراف عملکرد بهتری دارد . Attention به معنای توجه و Network به معنای شبکه است . شبکه به شبکه عصبی و یادگیری عمیق Deep Learning گفته می شود .

کاربرد GAT

  • پردازش تصویر
  • پردازش زبان طبیعی شامل ترجمه ، Self-attention و LSTM cell
  •  و غیره

Graph Attention Network (GAT) چیست ؟

GAT یکی از آخرین فناوری های روز state-of-the-art است و محققان هوش مصنوعی بیش از پیش به این موضوع می پردازند . بررسی تعداد مقالات منتشر شده با موضوع GAT در گوگل اسکالر نشان می دهد که از سال 2020 تا سال2022 ، 6860 مقاله منتشر شده است . مقاله Graph Attention Networks که در سال 2018 منتشر شده ، پایه اصلی مبحث GAT است . مطالعه بیشتر در خصوص GAT

 منبع

Veličković, P., Cucurull, G., Casanova, A., Romero, A., Lio, P., & Bengio, Y. (2017). Graph attention networks. arXiv preprint arXiv:1710.10903

پست های مرتبط

وبینار تقسیم بندی قابل قبول تصاویر پزشکی با استفاده از برچسب های فشرده تا ساختارهای گرافی

تاریخ: 1400/08/09

بازدید: 857

1400

زمان مطالعه: 5 دقیقه دقیقه

یادگیری بازنمایی یا یادگیری ویژگی در یادگیری ماشین ، مجموعه ای از تکنیک ها است که سیستم به صورت خودکار به شناسایی ویژگی های مورد نیاز می پردازد و الگوهای نهان را از داده ها کشف می کند. یادگیری بازنمایی به ماشین اجازه می دهد که ویژگی های جدید را کشف کند و از آنها برای انجام یک کار جدید استفاده کند.

مدرس

@ins

مفهوم برش در گراف

تاریخ: 1399/10/28

بازدید: 1692

1399

زمان مطالعه: 5 دقیقه دقیقه

Cut graph theory

مدرس

@ins

گراف کامل چیست

تاریخ: 1399/11/11

بازدید: 2377

1399

زمان مطالعه: 5 دقیقه دقیقه

تعریف گراف کامل

مدرس

@ins

یک ریختی گراف چیست

تاریخ: 1399/11/02

بازدید: 2215

1399

زمان مطالعه: 5 دقیقه دقیقه

تابع دوسویی (bijection) چیست؟

مدرس

@ins