卷積神經網絡：解決圖像分類、語義分割或機器翻譯問題
2021-01-07 09:24
金翅創客
關注
金翅導讀
卷積神經網絡已成功應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數據表示具有網格狀結構。但是，目前許多有趣的任務的數據為無法以網格狀結構表示的數據，而這些數據位于不規則的域中。用來表示3D網格，社交網絡，電信網絡，生物網絡或大腦連接組的數據就是這種情況。此類數據通�？梢砸詧D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系的方式，所以對圖數據的研究日益增多。已經有很多文獻中已經涉及到擴展神經網絡使其來處理任意結構的圖。早期的工作使用遞歸神經網絡來處理，圖域表示為有向無環圖的數據（Frasconi等人1997年提出，Sperduti和Starita1998年提出）。圖神經網絡（GNN）作為遞歸神經網絡的一般化，可以直接處理更通用的圖類，例如：循環圖，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，該過程傳播節點狀態直至達到平衡；然后結點經過神經網絡，該神經網絡根據其狀態為每個節點生成輸出。Li等人于2016年采納了這個想法并利用Cho等人于2014年提出的門控循環單元在傳播階段對這個想法進行了改進。目前，大家越來越有興趣將卷積推廣到圖域中去。其中，圖卷積網絡的方法可以大致分為空間卷積和頻譜卷積方法。
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 GPT-6要來了，但AI行業早不跟 OpenAI玩了
- 2 資本巨頭紛紛抽身，為何中小投資者仍為AI狂熱加碼？
- 3 谷歌Gemma 4遭破解！實測：偽造支票、找盜版電影，有求必應
- 4 阿里云CTO李飛飛，不是那個“AI教母”李飛飛
- 5 特斯拉Optimus Gen3量產在即，哪些環節最具確定性？
- 6 深度丨Anthropic和OpenAI把Harness帶出圈，AI管AI成為現實
- 7 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 8 具身智能第一季度融資均千萬起步，億級扎堆，一場關于“落地”的競賽才剛剛開始
- 9 五分之一崗位被AI滲透：美國加速替代，中國穩崗賦能，全球勞動力市場冰火兩重天
- 10 估值泡沫隱憂：OpenAI 8520 億估值的信任危機與戰略迷途
