그래프 구조 데이터에 대한 Deep Convolutional Networks

Source: Dev.to

Overview

대부분의 스마트 머신은 사진과 소리를 처리하는 데 뛰어나게 되었습니다. 이는 이러한 데이터 유형이 명확한 패치와 레이어를 가지고 있기 때문입니다. 하지만 텍스트, 유전자, 그리고 많은 실제 데이터 세트는 그런 깔끔한 패턴에 맞지 않습니다. 새로운 접근 방식은 AI가 정보 조각들 사이의 숨겨진 지도—연결망처럼—를 스스로 발견하도록 가르쳐, 이러한 복잡한 소스에서도 학습할 수 있게 합니다.

Approach

이 방법은 연결 그래프를 이용해 학습을 안내합니다. 아이템들이 어떻게 연결되어 있는지를 머신에 보여줌으로써, 로컬 패턴을 학습하고 이를 바탕으로 전체 그림을 구성할 수 있습니다.

Benefits

• 그래프 기반 시스템은 파라미터가 적게 필요하고 종종 더 빠르게 실행됩니다.
• 작은 모델도 이미지와 같은 데이터가 아닌 경우에도 큰 모델에 버금가는 성능을 낼 수 있습니다.
• 순서가 뒤섞인 문서, 생물학, 기타 분야에 더 나은 도구를 제공할 수 있는 길을 열어줍니다.

Potential Impact

지금까지의 결과는 유망합니다: 이 접근 방식은 더 정확하고 효율적인 모델을 적은 추측으로 만들어냅니다. 이는 야생에서 복잡하고 연결된 데이터를 이해하도록 AI를 교육하는 방식을 바꿀 수 있습니다.

Deep Convolutional Networks on Graph-Structured Data