Seminarium biofizyki oraz projektowania molekularnego i bioinformatyki

W prezentacji przedstawię wprowadzenie do grafowych sieci neuronowych (GNN),które są rodzajem sieci neuronowej używanej do przewidywania właściwości grafów naróżnych poziomach: grafu, węzłów i krawędzi. Omawianie skupiać się będzie nawyjaśnieniu podstawowych składników GNN, w tym przekazywania wiadomości, osadzeńwęzłów i krawędzi oraz łączenia.Następnie przedstawię przykłady różnych rodzajów danych, które można modelować jakografy, takich jak sieci społecznościowe, cząsteczki i obrazy.Ogólny szablon modelowania dla GNN, budowany jest za pomocą sekwencyjnych warstwGNN, a następnie modelu liniowego z aktywacją sigmoidalną do celów klasyfikacji.Przestrzeń projektowa GNN posiada wiele regulacji, które można dostosować w celuspersonalizowania modelu, w tym liczbę warstw GNN, wymiarowość każdego atrybutupodczas aktualizacji, funkcję agregacji używaną w operacji poolingu (maksimum, średnia lubsuma), atrybuty grafu, które są aktualizowane, oraz style przekazywania wiadomości (węzły,krawędzie i globalna reprezentacja).