بلاگ

پایگـاه اطلاعات علمی جهاد دانشگاهی

Graph Attention Network (GAT) چیست؟


Graph Attention Network (GAT) 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

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

مفهوم برش در گراف

تاریخ: 1399/10/28

بازدید: 2162

1399

زمان مطالعه: 5 دقیقه دقیقه

Cut graph theory

مدرس

@ins

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

تاریخ: 1400/08/09

بازدید: 1589

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

گراف کامل چیست

تاریخ: 1399/11/11

بازدید: 3861

1399

زمان مطالعه: 5 دقیقه دقیقه

تعریف گراف کامل

مدرس

@ins

یک ریختی گراف چیست

تاریخ: 1399/11/02

بازدید: 2944

1399

زمان مطالعه: 5 دقیقه دقیقه

تابع دوسویی (bijection) چیست؟

مدرس

@ins