-
圖網絡
鎖定
- 中文名
- 圖網絡
- 外文名
- Graph Network, GN
- 類 型
- 機器學習算法
- 提出者
- DeepMind, Google Brain等
- 提出時間
- 2018年
- 學 科
- 人工智能
圖網絡由相互連接的圖網絡塊(GN block)組成,在神經網絡實現中也被稱為“節點(node)”。節點間的連接被稱為“邊(edge)”,表示了節點間的依賴關係。圖網絡中節點和邊的性質與圖結構相同,因此可分為有向圖(directed graph)和無向圖(undirected graph)
[1]
。有向圖的例子包括遞歸神經網絡(Recursive Neural Network)和循環神經網絡(Recurrent Neural Network);無向圖的例子包括Hopfield神經網絡、馬爾可夫網絡(Markov Network)等。需要指出,圖網絡在定義上並不是人工神經網絡(Artificial Neural Network, ANN)的子集而是其推廣,但在人工智能問題中,ANN是圖網絡的實現方式之一
[1]
。
圖網絡的每個節點都有內部狀態和系統狀態,被稱為“屬性(attribute)”。圖網絡的屬性會在計算中按時間步(time-step)更新,更新方式包括同步和異步兩種,同步更新時,一個時間步內所有節點的屬性都會更新,異步更新時,一個時間步內只有部分節點的屬性得到更新
[2]
。對一個由點集合
和邊集合
組成的圖網絡
,在時間步
,其節點
的同步更新方式如下
[2]
:
- 參考資料
-
- 1. Battaglia, P.W., Hamrick, J.B., Bapst, V., Sanchez-Gonzalez, A., Zambaldi, V., Malinowski, M., Tacchetti, A., Raposo, D., Santoro, A., Faulkner, R. and Gulcehre, C., 2018. Relational inductive biases, deep learning, and graph networks. arXiv preprint arXiv:1806.01261.
- 2. 邱錫鵬 著,神經網絡與深度學習,第六章 循環神經網絡 .Github Inc.2018-3-12[引用日期2018-12-11]