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

VGAE – المشفّر الذاتي البياني التغايري

Variational Graph Auto-Encoder (2016)

مثل GAE لكن كل عقدة تُشفَّر إلى توزيع غاوسي (متوسط وتباين) بدل نقطة، ويضاف حد KL يقرب التوزيعات من التوزيع المعياري.

العائلة: توليدية وذاتية الإشراف (Generative / SSL)المهام: التنبؤ بالروابط، التوليد الاحتمالي للروابط

الحدس

مثل GAE لكن كل عقدة تُشفَّر إلى توزيع غاوسي (متوسط وتباين) بدل نقطة، ويضاف حد KL يقرب التوزيعات من التوزيع المعياري.

A, XGNN encZσ(Z Zᵀ)decoder → ÂVGAE: Z = μ + σ ⊙ ε, loss = recon + KL
المشفّر الذاتي البياني: مشفّر GNN يُنتج تمثيلات، والمفكّك يعيد بناء الروابط من حاصل ضربها.

الشرح التفصيلي

يشترك المشفّر في طبقة GCN أولى، ثم طبقتان تخرجان μ وlog σ. تُعاين z_i = μ_i + σ_i ⊙ ε بحيلة إعادة المعلمة، ويُعاد بناء الروابط بالضرب الداخلي. الهدف حد الأدلة الأدنى (ELBO): إعادة البناء ناقص KL. الحد KL ينظم الفضاء الكامن ويجعله أنعم.

في الورقة الأصلية حقق VGAE وGAE نتائج متقاربة على Cora وCiteSeer وPubMed، مع أفضلية لاستخدام الخصائص. يُستخدم في المختبر مع GAE للتنبؤ بالروابط.

البنية المعمارية

GCN مشترك ← GCN_μ وGCN_σ ← إعادة معلمة ← σ(ZZᵀ).

المعادلات

q(z_i\mid X,A)=\mathcal{N}\!\left(z_i\mid\mu_i,\operatorname{diag}(\sigma_i^2)\right),\qquad \mathcal{L}=\mathbb{E}_q[\log p(A\mid Z)]-\operatorname{KL}\!\left(q(Z)\,\Vert\,p(Z)\right)
المشفّر التغايري والهدف ELBO.

نقاط القوة

  • فضاء كامن منتظم احتمالي
  • إطار للتوليد
  • يقدر عدم اليقين جزئياً

القيود

  • قيود GAE نفسها
  • التوليد يقتصر على الروابط بين عقد معروفة
  • حد KL قد يطمس التفاصيل

التعقيد الحسابي

كـ GAE مع رأسين.

متى تستخدمه

التنبؤ بالروابط مع حاجة لتمثيل احتمالي، أو نقطة بداية لنماذج توليدية.

التنفيذ في PyTorch Geometric

torch_geometric.nn.VGAE

شيفرة توضيحية للاستخدام المعتاد؛ راجع توثيق إصدار المكتبة الذي تستخدمه قبل تشغيلها.

درّب VGAE فعلياً في متصفحك

تابع التعلّم

نماذج مرتبطة

دروس تشرحه

المراجع

  1. Kipf, T. N., & Welling, M. (2016). Variational Graph Auto-Encoders. NIPS Workshop on Bayesian Deep Learning. arXiv: 1611.07308الورقة الأصلية لـ GAE وVGAE في التنبؤ بالروابط.