كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

الشبكات العصبية البيانية

Graph Neural Networks

نظرية الرسوم ← GNN ← GCN ← GAT ← Graph Transformers.

أساسي

أهداف المسار

  • تمثيل البيانات كرسوم: مصفوفة التجاور والسمات.
  • فهم تمرير الرسائل وصيغة GCN المطبَّعة.
  • مقارنة التجميع الثابت مع الانتباه على الجيران.
  • معرفة حدود قدرة التمييز وفرط التنعيم ومتى تفيد المحولات البيانية.

المتطلبات السابقة

  • مسار الأساسيات.
  • جبر المصفوفات المتناثرة.

ترتيب التعلّم

  1. أساسيات نظرية الرسوم (Graph Theory)

    العقد والحواف، ومصفوفة التجاور $A$، ودرجة العقدة، والمسار والجوار. هذه المفاهيم تشرحها صفحة GNN ومستكشف الشبكات البيانية مباشرة.

  2. الشبكة العصبية البيانية Graph Neural Network

    عائلة نماذج تتعلم تمثيلاً لكل عقدة بتبادل الرسائل مع جيرانها عبر الحواف، فتدمج سمات العقدة مع بنية الرسم.

  3. الشبكة الالتفافية البيانية Graph Convolutional Network

    طبقة بيانية بسيطة تأخذ متوسطاً مطبّعاً لتمثيلات العقدة وجيرانها ثم تطبق تحويلاً خطياً مشتركاً، وهي تقريب من الدرجة الأولى للالتفاف الطيفي.

  4. شبكة الانتباه البيانية Graph Attention Network

    تستبدل الأوزان الثابتة في GCN بمعاملات انتباه متعلمة لكل حافة، فتحدد كل عقدة مقدار أهمية كل جار، مع رؤوس انتباه متعددة.

  5. جراف سيج GraphSAGE

    إطار استقرائي يتعلم دوال تجميع لجوار عيّني من الجيران، فيستطيع حساب تمثيلات لعقد جديدة لم ترها الشبكة أثناء التدريب.

  6. شبكة تماثل الرسوم Graph Isomorphism Network

    GNN مصممة لتبلغ القدرة التمييزية لاختبار Weisfeiler–Lehman (1-WL)، باستخدام تجميع بالمجموع وMLP في التحديث.

  7. محوّل الرسوم البيانية Graph Transformer

    تطبيق الانتباه الذاتي على عقد الرسم مع ترميزات موضعية أو بنيوية (مثل متجهات لابلاسيان الذاتية) كي يعرف النموذج بنية الرسم، فيتجاوز قيود الجوار المحلي.

المختبرات

مشاريع مقترحة

  1. في مستكشف الشبكات البيانية ابنِ رسماً من 6 عقد ونفّذ GCN ثم GAT، وفسّر اختلاف التمثيلات.
  2. قارن أمثلة GCN وGAT وGraphSAGE في الموسوعة على الرسم الاصطناعي نفسه.
  3. صمم تجربة لاكتشاف الاحتيال على رسم معاملات مع تقسيم زمني يمنع تسرّب المعلومات.

اختبار المسار

  1. صح أو خطأ

    في GCN تُضاف حلقة ذاتية إلى كل عقدة قبل التطبيع حتى تحتفظ بسماتها.

  2. مقارنة

    ما الفرق الجوهري بين GAT وGCN؟

  3. رياضي

    عقدة درجتها 3 (بعد إضافة الحلقة الذاتية) وجارها درجته 3 أيضاً: ما معامل التطبيع المتماثل بينهما في GCN؟

  4. صح أو خطأ

    زيادة عدد طبقات GCN كثيراً تحسّن الأداء دائماً.