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 الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجة

تشاكل الرسوم واختبار WL

Graph Isomorphism & WL Test

رسمان متشاكلان إذا أمكن إعادة ترقيم أحدهما ليطابق الآخر؛ واختبار Weisfeiler-Lehman طريقة تقريبية لتمييزهما.

آليات GNNمتقدم

الشرح

اختبار 1-WL يلوّن العقد ثم يحدّث لون كل عقدة من مجموعة ألوان جيرانها، تكراراً. أثبت Xu وزملاؤه أن نماذج انتقال الرسائل لا تميّز أكثر من هذا الاختبار، وأنها تبلغ قوته إذا كان التجميع والتحديث حقنيين، ومن هنا تصميم GIN.

المعادلة

c_v^{(k)}=\mathrm{HASH}\!\left(c_v^{(k-1)},\ \{\!\{c_u^{(k-1)}:u\in\mathcal{N}(v)\}\!\}\right)

شرح الرموز

  • c_v: لون العقدة
  • {{ }}: مجموعة متعددة

جرّبه في: مختبر الخوارزميات

المراجع

  1. Xu, K., Hu, W., Leskovec, J., & Jegelka, S. (2019). How Powerful are Graph Neural Networks?. International Conference on Learning Representations (ICLR). arXiv: 1810.00826الورقة الأصلية لـ GIN وربط قوة التمييز باختبار Weisfeiler-Lehman.