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)通常可以以圖表的形式表示,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(xiàn)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(dá)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(jìn)行了改進(jìn)。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
-
7月8日立即報名>> 【在線會議】英飛凌新一代智能照明方案賦能綠色建筑與工業(yè)互聯(lián)
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025(第六屆)機器人及智能工廠展
-
7月31日免費預(yù)約>> OFweek 2025具身智能機器人產(chǎn)業(yè)技術(shù)創(chuàng)新應(yīng)用論壇
-
免費參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
推薦專題