[Dry Goods] グラフニューラルネットワークの学習リソーストップ10の共有

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

グラフニューラルネットワーク (GNN) は、最近人気が出始めたディープラーニングの比較的新しい分野です。 Twitter、Google、Facebook などの大企業は、グラフデータを使用する他の機械学習モデルよりも優れていることが証明されている GNN の研究に投資し始めるでしょう。

[[347307]]

この分野は急速に発展しているため、GNN の背景にある知識を入手するのはまだそれほど簡単ではありません。現在、GNN 理論は、研究論文、記事、ブログなどの形でインターネット上に散在しています。私たちに欠けているのは、GNN の本、または人々がこの分野の仕事を始め、理解するのに役立つオンラインリソースの編集物です。

少し調べてみると、GNN をわかりやすく説明している非常に優れたリソースがいくつかあることがわかりました。これがこの分野の新参者の役に立つことを願っています。さあ始めましょう！

1. ウィリアム・L・ハミルトン著「グラフ表現学習書」

グラフ表現学習書

これは画期的な本であり、現在出版前のバージョンがオンラインでダウンロード可能です。この本は、グラフ理論や従来のグラフ手法などの初歩的なトピックから、最先端の GNN モデルや最先端の GNN 研究などの高度なトピックまでを扱っています。この本はよく設計されており、自己完結型で、グラフニューラルネットワークに必要な理論のほとんどが含まれています。

2. スタンフォード大学のコースノート - 機械学習とグラフ

C224W|ホーム

これは、グラフベースの機械学習に特化したスタンフォード大学のコースです。講義の公開スライドと推奨読書リストが掲載されています。よく構成されたコースで体系的に勉強したい場合、これは良い選択です。

3. ネットワークサイエンス（アルバート・ラースロー・バラバシ著）

Albert-László Barabási 著「ネットワークサイエンス」

これはグラフとネットワーク理論に焦点を当てたオンラインのインタラクティブな本です。 GNN については説明していませんが、グラフデータの操作に関する強固な基礎を身に付けるための優れたリソースです。

4. トーマス・キプフのブログ

グラフ畳み込みネットワークはどれほど強力ですか?

GNN 分野で最も有名な研究者の一人、Thomas Kipf 博士による素晴らしいブログです。この記事では、GNN について簡単に紹介し、最近のアプローチに関する文献レビューを行い、自身の論文「グラフ畳み込みネットワークによる半教師あり分類」について説明しています。

5. マイケル・ブロンスタインのブログ

マイケル・ブロンスタイン — Medium

マイケル・ブロンスタインは、インペリアル・カレッジ・ロンドンの教授であり、Twitter のグラフ学習研究の責任者です。最近、彼はTowards Data Scienceに記事を掲載し始めました。彼のブログ投稿は主に、数学的観点から見た GNN と、この分野における最新の動向に焦点を当てています。彼は GNN に関する他の多くの論文を引用する傾向があるため、他の興味深い論文を発見するのに役立つかもしれません。

6. 生命科学におけるディープラーニング: ゲノム科学、顕微鏡検査、創薬などへのディープラーニングの応用

ライフサイエンスのためのディープラーニング

これは完全に GNN に関するものではありませんが、本の一部では GNN モデルに基づく実用的なアプリケーションが紹介されています。ライフサイエンス向けのディープラーニングライブラリである DeepChem を使用して、分子データセットに GNN を適用する方法について説明します。また、GNN のさまざまな前処理方法についても詳しく説明します。