Нежное введение в графовые нейронные сети. Нейронные сети были адаптированы для использования структуры и свойств графов. Мы изучаем компоненты, необходимые для построения графовой нейронной сети, и мотивируем выбор дизайна, стоящий за ними. https://distill.pub/2021/gnn-intro/ Эта статья — одна из двух публикаций Distill о графовых нейронных сетях. Взгляните на "Понимание сверток" на графах [1] чтобы понять, как свертки над изображениями естественным образом обобщаются до сверток над графами. Графики окружают нас повсюду; Объекты реального мира часто определяются с точки зрения их связи с другими вещами. Набор объектов и связи между ними естественным образом выражаются в виде графа . Исследователи разрабатывали нейронные сети, которые работают с данными графа (называемые нейронными сетями графа или GNN) более десяти лет. [2]. Последние разработки увеличили их возможности и выразительную силу. Мы начинаем видеть практическое применение в таких областях, как открытие антибактериальных [3], моделирование физики [4], обнаружение фейковых новостей [5], прогноз трафика [6] и рекомендательные системы [7]. === Understanding Convolutions on Graphs Understanding the building blocks and design choices of graph neural networks. Понимание сверток на графах Понимание строительных блоков и вариантов дизайна графовых нейронных сетей. https://distill.pub/2021/understanding-gnns/ ===