Notice
Recent Posts
Recent Comments
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- Federated learning
- 케밥케이스
- routing problem
- 카멜케이스
- 연합학습
- 유전알고리즘
- 배반사건
- q learning
- 확률공리
- 도커 개념
- 몬테카를로 학습
- 파스칼케이스
- mmoe
- 헝가리안노테이션
- 강화학습
- on-policy
- 딥러닝
- Sarsa
- Docker Image
- 스네이크케이스
- Metaheuristic
- 큐러닝
- 그리드월드
- off-policy
- genetic algorithm
- Traveling salesman problem
- 도커 컨테이너
- multi task learning
- 코딩스타일
- 산업공학
Archives
- Today
- Total
목록인공지능/Graph-neural network (1)
SU Library

*시작하기에 앞서 스탠포드 대학의 CS224W강의를 듣고 제가 공부하고 이해한 것을 정리해놓은 것입니다. 그래프는 복잡한 세상을 표현하는 일반적인 수단중 하나입니다. 대표적으로 그래프로 표현될 수 있는 정보는 페이스북의 친구관계, 유튜브 알고리즘, 네플릭스 시청자 분석 등이 있지요. 뿐만 아니라 생물학의 단백질 구조, 이미지 내에서으 의 오브젝트의 관계 등등 생각보다 많은 것들을 그래프로 표현할 수 있습니다. 머신러닝 관점에서 그래프는 복잡한 도메인들을 관계그래프로써표한할 수 있는 풍부한 관계 구조를 가지고 있는 것이고, 우리는 이러한 관계를 모델링함으로서, 좋은 퍼포먼스를 얻는 것을 목표로 합니다. Ways to Analyze Networks 네트워크(그래프)를 분석하는 방법은 크게 다음과 같은 방법들..
인공지능/Graph-neural network
2021. 6. 20. 01:33