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

MUTAG

كيمياء (جزيئات)

188 مركباً نيترو-عطرياً، كل جزيء رسم: الذرات عقد والروابط الكيميائية روابط. المهمة التنبؤ بقدرة المركب على إحداث الطفرات في بكتيريا Salmonella typhimurium.

188رسوم
~17.9 (متوسط)عقد
~39.6 (متوسط)روابط
7خصائص
2فئات

الوصف

188 مركباً نيترو-عطرياً، كل جزيء رسم: الذرات عقد والروابط الكيميائية روابط. المهمة التنبؤ بقدرة المركب على إحداث الطفرات في بكتيريا Salmonella typhimurium.

بطاقة المجموعة

نوع المهمة
تصنيف الرسوم (Graph Classification)
التقسيم المعياري
لا يوجد تقسيم رسمي؛ الممارسة الشائعة التحقق المتقاطع بعشر طيات (10-fold) مع تقرير المتوسط والانحراف.
الإصدار / المحمِّل
torch_geometric.datasets.TUDataset(root, name="MUTAG")
الترخيص
لا يُذكر ترخيص موحّد في TUDataset؛ راجع المصدر الأصلي قبل إعادة التوزيع.
حجم البيانات
العقد والروابط متوسطات لكل رسم بحسب PyG. الخصائص ترميز أحادي لنوع الذرة (7 أنواع).
مصدر الإحصاءات
جدول STATS في توثيق PyTorch Geometric 2.8.1 (الصنف TUDataset).
المصدر الرسمي
https://chrsmrrs.github.io/datasets/
رابط التحميل
https://www.chrsmrrs.com/graphkerneldatasets/MUTAG.zip
في المتصفح
لا: تُشغَّل عبر خادم Python الاختياري أو بالشيفرة أدناه على جهازك.

ملاحظة التشغيل

تُشغَّل عبر خادم Python الاختياري. في المتصفح يوجد تمرين تصنيف رسوم مصطنع (دورة مقابل شجرة) لتوضيح الفكرة.

التحميل بلغة Python (PyTorch Geometric)

from torch_geometric.datasets import TUDataset
from torch_geometric.loader import DataLoader

dataset = TUDataset(root="data/TUDataset", name="MUTAG").shuffle()
loader = DataLoader(dataset[:150], batch_size=32, shuffle=True)

تجارب مرتبطة

تدريب فعلي (Actual Model Training)متقدم

قوة التمييز: تصنيف رسوم فيها دورة

مختبر المقارنة

تصنيف رسوم صغيرة: هل يحتوي الرسم دورة أم هو شجرة؟ ومقارنة GIN بقراءة المجموع مع GCN.

البيانات: رسوم مصطنعة: دورة مقابل شجرة (بلا خصائص للعقد)

شغّل التجربة

المراجع

  1. Debnath, A. K., Lopez de Compadre, R. L., Debnath, G., Shusterman, A. J., & Hansch, C. (1991). Structure-activity relationship of mutagenic aromatic and heteroaromatic nitro compounds. Correlation with molecular orbital energies and hydrophobicity. Journal of Medicinal Chemistry. DOI: 10.1021/jm00106a046مصدر مجموعة MUTAG.
  2. Morris, C., Kriege, N. M., Bause, F., Kersting, K., Mutzel, P., & Neumann, M. (2020). TUDataset: A collection of benchmark datasets for learning with graphs. ICML 2020 Workshop on Graph Representation Learning and Beyond (GRL+). arXiv: 2007.08663المجموعة التي توزّع MUTAG وPROTEINS وENZYMES.
  3. 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.
  4. PyG Team. PyTorch Geometric documentation. Official documentation. pytorch-geometric.readthedocs.ioالتوثيق الرسمي للمكتبة؛ منه أُخذت جداول إحصاءات المجموعات (الإصدار 2.8.1).