Graph Network或許是AI下一步突破的解藥?

Google Deepmind在Arxiv上發表了一篇教學文,講述並推廣Graph Neural Network,其與一般CNN或是RNN具有不一樣的特性(Inductive Bias),使得它具有潛力可以更有效地去model人類大腦做因果推導以及更深一層的推理。作者認為我們不應該在“Hand-Engineering"與"End-to-end Learning"之間做出優劣比較,而是應該利用兩者來互補,打造出更適合的model。文中探討了這些flexible的graph network可以如何被implement以及有效的training,作者也說open source code快要放出來了,期待這套方法可以在不久的將來發揚光大,解決更多困難複雜的AI問題!

Paper: Relational inductive biases, deep learning, and graph networks
https://arxiv.org/pdf/1806.01261.pdf

Share the joy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

近期文章

近期迴響

彙整

分類

其它

Chien-Yi Wang Written by:

Be First to Comment

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *