Граф нейронных сетей (1)

искусственный интеллект глубокое обучение
Граф нейронных сетей (1)

Мало знаний, большой вызов! Эта статья участвует в "Необходимые знания для программистов«Творческая деятельность.

Обычно вещи в реальной жизни сложны, и мы не можем использовать простые структуры данных для представления этих сложных вещей и отношений между вещами.Эти отношения могут быть представлены графами, а отношения обычно используются для соединения некоторых изолированных объектов в сеть. Это чтобы представить граф, который мы собираемся обсудить сегодня, который может представлять некоторые сложные вещи, такие как социальная, молекулярная структура или транспортные сети через отношения между узлами и ребрами.

Какие типы сетей существуют

  • социальная сеть
  • Проблемы с дорожным движением
  • система связи
  • Химические и медицинские применения
  • ген/белок
  • Молекулярная структура

инфографика

  • информация/знание
  • граф сцены
  • Аналогичная сеть

Основные понятия графиков

Граф — это структура данных, определенная вУзелибоковая сторонана структуру данных.

Основные компоненты графика

рисунокG(V,E)G(V,E)
  • Узлы и ребра
  • Топология
  • Социальные сети, записи о покупках, деревья отношений, предложения или картинки
Узел
  • выражение объектарисуноквнутреннийузелV{v0,v2,}V \{v_0,v_2,\cdots\}
  • Например, узлами могут быть люди, товары, бумаги.
  • Все, что существует, может быть представлено узлами
Край
  • относительное выражениерисуноквнутреннийбоковая сторона E{(v1,v2),(v2,v2),}E\{ (v_1,v_2),(v_2,v_2),\cdots\}
  • Дружба, покупка и цитирование между людьми
Определение диаграммы
  • это математическая форма
  • это структура данных

005.png

A=[a11a1nan1ann]n×naij=1(vi,vj)еE0elseA = \begin{bmatrix} a_{11} & \cdots & a_{1n}\\ \vdots & \vdots & \vdots \\ a_{n1} & \cdots & a_{nn}\\ \end{bmatrix}_{n \times n} \, a_{ij} = \begin{aligned} 1 & (v_i,v_j) \in E\\ 0 & else \end{aligned}
  • Добыча самих данных и их значения в графе через графы

классификация графов

Направленный граф (направленный)
  • Матрица смежности A не имеет ограничений
  • Узел, на который указывает стрелка, является головой графа, а другой конец — хвостом графа, который подобен вектору<vi,vj><v_i,v_j>Существуют позиционные различия для представления упорядоченных пар,
Ненаправленный
  • aij=ajiA=ATa_{ij} = a_{ji}\, A = A^TТо есть матрица смежности A является симметричной матрицей
  • Вот введение в неориентированные ребра, то есть ребра между узлами не имеют направления.Здесь круглые скобки используются для представления неориентированных ребер.(vi,vj)(v_i,v_j) viv_iиvjv_jГраф, все ребра которого являются неориентированными ребрами, называется неориентированным графом.

001.jpg

Веса

Графики можно разделить на взвешенные и невзвешенные.

006.png

Неавторизованное изображение слева и авторизованное изображение справа

взвешенный

Каждое ребро имеет определенный вес, обычно числоaijеR,e=(u(i),v(i),w(i))a_{ij} \in \mathbb{R} , e = (u^{(i)},v^{(i)},w^{(i)})

Невзвешенный

Его можно понимать как взвешенный граф с весом 1aijе{0,1},e=(u(i),v(i))a_{ij} \in \{ 0,1 \} , e = (u^{(i)},v^{(i)})

Простая диаграмма

  • нет повторяющихся краев
  • Нет ребра от узла к самому себе

Мультиреляционный

  • Однореляционная

ei=(u(i),v(i)),AеRn×ne_i = (u^{(i)},v^{(i)}),A \in \mathbb{R}^{n\times n}

  • множественные отношения

Свяжите два узла, тип, соответствующий ребру, и размер всех возможных значений отношения

ei=(u(i),v(i),т(i)),AеRn×n×{т}e_i = (u^{(i)},v^{(i)},\tau^{(i)}),A \in \mathbb{R}^{n\times n \times |\{ \tau \}|}

Идентификатор узла и функция узла

Идентификатор узла

vi,VеRn×1v_i,V\in \mathbb{R}^{n \times 1}

  • только нижний индекс i для обозначения узла
  • В этом случае информация об узле представляет собой порядковый номер
Узел

vi=(v1i,v2i,,vki)VеRn×kv_i = (v_1^i,v_2^i,\cdots,v_k^i) \, V \in \mathbb{R}^{n \times k}

  • Используйте вектор для описания узла
  • Каждое значение измерения вектора соответствует элементу узла.

Карта ингибирования (гетерогенная)

Существуют различные типы диаграмм взаимосвязей для некоторой классификации, которые могут четко представлять различные сценарии в реальной среде.

009.png

  • G=(V,E)G=(V,E)
  • V=V1V2Vk,ViVj=ф,ijV = V_1 \cup V_2 \cup \cdots \cup V_k, V_i \cap V_j = \phi,\forall i \neq j
  • (u,v,тij)еEuеVi,vеVj(u,v,\tau_{ij}) \in E \rightarrow u \in V_i, v \in V_j
  • Набор узлов может быть разделен на несколько подмножеств без пересечения,
  • С дополнительным ограничением тип ребра конкретного класса определяет тип ребра, соединяющего два дочерних узла.

сюдатij\tau_{ij}Тип также определяет подмножество, к которому принадлежат два узла, которые он соединяет.

Мультиплекс

  • Есть повторяющиеся ребра и собственное ребро узла
  • G=(V,E)G=(V,E)
  • V=V1V2Vk,Vi=VjV = V_1 \cup V_2 \cup \cdots \cup V_k, V_i = V_j
  • E=E1E2EkE0,тEiтEj,ijE = E_1 \cup E_2 \cup \cdots \cup E_k \cup E_0,\tau_{E_i} \neq \tau_{E_j}, \forall i \neq j
  • (u,v,тij)еE0u=v(u,v,\tau_{ij}) \in E_0 \rightarrow u = v
  • Несколько копий подколлекции узлов
  • В слоях набора краев k типы набора краев различаются.
  • Ребра между разными k слоями

сеть и график

Интернет
  • Специализации для реальных приложений описания
рисунок
  • модель данных

015.jpg