【图神经网络概览】《Graph Neural Networks - An overview | AI Summer》

题目

图神经网络概览：《Graph Neural Networks - An overview | AI Summer》

关键字

图神经网络，深度学习，图计算，综述，人工智能，图论

简介

在过去的十年中，我们看到了神经网络在图像和文本等结构化数据方面的出色表现。卷积网络，递归自动编码器等大多数流行模型在具有表格格式（如矩阵或向量）的数据上都能很好地工作。但是非结构化数据呢？图数据呢？有没有可以向他们有效学习的模型？可能是您从标题中猜到的。答案是图神经网络。

Graph Neural Networks早在2005年就被引入（就像其他所有好主意一样），但是在过去的5年中它们开始流行起来。 GNN能够对图中节点之间的关系进行建模，并为其生成数字表示。 GNN的重要性非常重要，因为可以用图形表示的现实世界数据太多。社交网络，化合物，地图，运输系统等。因此，让我们找出GNN背后的基本原理以及它们起作用的原因。

作者