卷積神經(jīng)網(wǎng)絡(luò):解決圖像分類、語義分割或機器翻譯問題
金翅導(dǎo)讀
卷積神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于解決諸如圖像分類語義分割或機器翻譯等問題,其中解決的這些問題的基礎(chǔ)數(shù)據(jù)表示具有網(wǎng)格狀結(jié)構(gòu)。但是,目前許多有趣的任務(wù)的數(shù)據(jù)為無法以網(wǎng)格狀結(jié)構(gòu)表示的數(shù)據(jù),而這些數(shù)據(jù)位于不規(guī)則的域中。用來表示3D網(wǎng)格,社交網(wǎng)絡(luò),電信網(wǎng)絡(luò),生物網(wǎng)絡(luò)或大腦連接組的數(shù)據(jù)就是這種情況。此類數(shù)據(jù)通?梢砸詧D表的形式表示,并且圖形提供了一種直觀合理的表示圖像關(guān)系的方式,所以對圖數(shù)據(jù)的研究日益增多。已經(jīng)有很多文獻中已經(jīng)涉及到擴展神經(jīng)網(wǎng)絡(luò)使其來處理任意結(jié)構(gòu)的圖。早期的工作使用遞歸神經(jīng)網(wǎng)絡(luò)來處理,圖域表示為有向無環(huán)圖的數(shù)據(jù)(Frasconi等人1997年提出,Sperduti和Starita1998年提出)。圖神經(jīng)網(wǎng)絡(luò)(GNN)作為遞歸神經(jīng)網(wǎng)絡(luò)的一般化,可以直接處理更通用的圖類,例如:循環(huán)圖,有向圖和無向圖。由Gori等人在2005年以及Scarselli等人于2009年提出。GNN包含一個迭代過程,該過程傳播節(jié)點狀態(tài)直至達到平衡;然后結(jié)點經(jīng)過神經(jīng)網(wǎng)絡(luò),該神經(jīng)網(wǎng)絡(luò)根據(jù)其狀態(tài)為每個節(jié)點生成輸出。Li等人于2016年采納了這個想法并利用Cho等人于2014年提出的門控循環(huán)單元在傳播階段對這個想法進行了改進。目前,大家越來越有興趣將卷積推廣到圖域中去。其中,圖卷積網(wǎng)絡(luò)的方法可以大致分為空間卷積和頻譜卷積方法。

請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇,探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 4 “AI寒武紀”爆發(fā)至今,五類新物種登上歷史舞臺
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD,AI含量差幾何?
- 6 光計算迎來商業(yè)化突破,但落地仍需時間
- 7 東陽光:2024年扭虧、一季度凈利大增,液冷疊加具身智能打開成長空間
- 8 地平線自動駕駛方案解讀
- 9 封殺AI“照騙”,“淘寶們”終于不忍了?
- 10 優(yōu)必選:營收大增主靠小件,虧損繼續(xù)又逢關(guān)稅,能否乘機器人東風(fēng)翻身?