세상은 내가 정하는 대로 세상은 내가 정하는 대로

GNN에서 readout은 생성된 노드 embedding을 하나의 벡터로 변환하여 그래프 전체의 embedding을 생성하는 기능을 수행한다. 따라서, GAT을 비롯한 GNN을 이용하여 노드에 대한 embedding, classification, regression을 수행하고자 하는 경우에는 GNN 구조에 readout이 포함되지 않는다. 그러나 그래프 embedding이나 분자 속성 예측과 같이 그래프 단위의 작업을 수행할 때는 readout이 GNN 구조에 포함되어야 한다. 일반적으로 readout은 모든 노드들의 embedding을 평균내거나 더함으로써 그래프 embedding을 생성한다.

How Powerful are Graph Neural Networks? (GIN) 정리 들어가기 전에.... 이 부분은 논문의 2. Preliminaries에 해당되는 내용이나, 먼저 알고 가는 것이 논문 이해에 도움이 되어 먼저 작성합니다. 먼저 MPNN에 대해서 설명을 드리고, 이어서 WL test에 대해서 설명드리도록 하겠습니다. 1. MPNN 지난 시간과 지지난 시간에 살펴보았던 GraphSAGE나 GAT와 같은 spatial 기반의 방법들은 노드들의 spatial 관계를 활용하여 학습하는 방법으로, convolution 과정을 통해서 주변 노드의 representation(feature vector)만을 학습하여 중심 노드의 representation을 업데이트 하는 방식을 사용합니다. 이런 방..

[GNN] 4. GNN 개요 1. Graph란? - 왜 Graph? - Graph의 종류 - Graph의 표현 - Graph Tasks - Graph의 Motif 2. Graph Representation Learning - Node Embedding - Graph Embedding 3. GNN 이전의 Graph 학습 - Node Feature Eigenvector centrality Betweenness centrality Closeness centrality ..... - Link Feature Distance-based feature Local neighborhood overlap Global neighborhood overlap - Graph Feature Graphlet kernel Weisfe..

[GNN] 4-1. Recurrent Graph Neural Networks (RecGNNs) 1. Graph란? - 왜 Graph? - Graph의 종류 - Graph의 표현 - Graph Tasks - Graph의 Motif 2. Graph Representation Learning - Node Embedding - Graph Embedding 3. GNN 이전의 Graph 학습 - Node Feature Eigenvector centrality Betweenness centrality Closeness centrality ..... - Link Feature Distance-based feature Local neighborhood overlap Global neighborhood overlap -..

[GNN] 2. GNN 이전의 Machine Learning을 활용한 Graph 학습 1. Graph란? - 왜 Graph? - Graph의 종류 - Graph의 표현 - Graph Tasks - Graph의 Motif 2. GNN 이전의 Machine Learning을 활용한 Graph 학습 - Node Feature Eigenvector centrality Betweenness centrality Closeness centrality ..... - Link Feature Distance-based feature Local neighborhood overlap Global neighborhood overlap - Graph Feature Graphlet kernel Weisfeiler-Lehman Ke..

[GNN] 0. GNN 논문 공부 순서 이 공부 순서는 CS224w와 Survey Paper, 그리고 여러 블로그들을 참고하여 작성되었다. 목차 1. Graph란? - 왜 Graph? - Graph의 종류 - Graph의 표현 - Graph Tasks - Graph의 Motif 2. Graph Representation Learning - Node Embedding - Graph Embedding 3. GNN 이전의 Graph 학습 - Node Feature Eigenvector centrality Betweenness centrality Closeness centrality ..... - Link Feature Distance-based feature Local neighborhood overlap G..

* Standford의 CS224w 강의와 그에 대한 정리들, GNN 분야의 Survey paper들 등 참고할 paper나 사이트 내 나름대로 정리하는 포스팅 https://tobigs.gitbook.io/tobigs-graph-study/?fbclid=IwAR3K37ktpocRI7228D-1p6V8TB5E1o9_QcdFB4VqBbBOlYXL2qob8xSOQ-w Tobigs Graph Study - Tobigs Graph Study Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering tobigs.gitbook.io https://velog.io/@tobigs-gnn1213?tag=CS224W tobigs-gnn12..

[GNN] 4-2. Convolutional Graph Neural Networks (ConvGNNs) 정리 1. Graph란? - 왜 Graph? - Graph의 종류 - Graph의 표현 - Graph Tasks - Graph의 Motif 2. GNN 이전의 Machine Learning을 활용한 Graph 학습 - Node Feature Eigenvector centrality Betweenness centrality Closeness centrality ..... - Link Feature Distance-based feature Local neighborhood overlap Global neighborhood overlap - Graph Feature Graphlet kernel Weisfei..