ML with Graph

이번 포스팅은 Graph Neural Network, GNN, 즉 Graph를 이용한 신경망에 대해 작성할 것 입니다.Stanford의 강의 CS224W를 기반으로 작성되며 강의 내용을 정리하는 식으로 포스팅을 진행 할 생각 입니다.위 그림들 처럼 많고 복잡한 자연현상

Choise of Graph Representation 1. Network의 구성요소 repre_1 가장 먼저 Network의 구성 요소에 대해 알아보겠습니다. Network는 Objects, Interactions, System 으로 구성되어 있습니다. 이렇게

Node-level task의 목표는 Node의 구조와 위치정보를 Characterize 하는 것 입니다.이 때 사용되는 Features가 Node-level Features 이며 총 4가지 Features에대해 알아 볼 것 입니다. Node degree Node

기존의 Link에 기반해서 새로운 Link를 예측 하는 것을 의미합니다.새로운 Link를 예측하는 방법에는 크게 두가지가 있습니다. Random LInk를 지우고 학습하는 방법 시간이 지나면서 생기는 Link를 예측하는 방법 첫 번째 방법은 Protein구조 와

Graph-level features에 대해 알기 전에 사전 지식과 목표를 정의하고 넘어가 봅시다.목표전체 그래프 구조의 특징을 표현하는 features를 만들고자 합니다.kernels methods그래프와 그래프 사이의 similarity를 기반으로 feature v