Pojdi na vsebino
- Učne naloge na grafih
- Osnove globokega učenja na grafih
- Naloge na ravni vozlišč, povezav in (pod)grafov
- Transduktivne in induktivne učne naloge
- Primeri in aplikacije iz resničnega sveta
- Napovedovanje na grafih brez učenja
- Razvrščanje vozlišč glede na središčnost
- Gručenje vozlišč z odkrivanjem skupnosti
- Napovedovanje povezav z indeksi podobnosti
- Podobnost grafov s pomočjo jedrnih funkcij
- Grafovsko predstavitveno učenje
- »Plitek« kodirnik in dekodirnik
- Metode matrične faktorizacije
- Vložitve vozlišč z naključnimi sprehodi
- DeepWalk, LINE, node2vec itd.
- Grafovske nevronske mreže (GNN)
- Osnovna arhitektura (sporočila, agregacija, plasti)
- Permutacijska invariantnost in ekvivariantnost
- Problema prekomernega glajenja in stiskanja
- GCN, GraphSAGE, GAT, GIN itd.
- Učenje GNN v praksi
- Delitev grafa (učna, validacijska in testna množica)
- Prostor GNN in augmentacija grafov
- Funkcije izgube, učenje, napovedovanje in vrednotenje
- Teorija GNN in omejitve
- Weisfeiler–Lemanovo grafovsko jedro
- Arhitekture na osnovi strukture in položaja
- Uvod v grafovske transformatorje
- Posebni grafi in aplikacije
- Heterogeni grafi (RGCN, HGT itd.)
- Priporočilni sistemi (NGCF, LightGCN itd.)
- Grafi znanj (TransE, RotatE itd.)
- Izbrane druge aplikacije
- Relacijsko globoko učenje
- Porazdelitev ur na semester
Nosilec predmeta
Prostor:R2.49 - Kabinet
