이번 챕터에서는 현실 세계에 좀 더 가까이 다가가기 위해 이전 장의 단순화 가정들을 완화한다. CHAPTER 4. 복잡한 환경의 검색 1. 국소 검색과 최적화문제 국소 검색\(_{local-search}\) 알고리즘들은 현재 상태에서 이웃 상태들을 찾는 방식으로 작동하며, 경로나 도달된 상태들의 집합을 추적하지 않는다. 이는 체계적이지 않지만 메...

개인적인 정리를 위한 내용으로 해당 도서에서는 다양한 예시를 통해 상세하고 직관적인 이해가 가능합니다. CHAPTER 3. 검색을 통한 문제 해결 에이전트는 목표 상태로의 경로를 형성하는 일련의 동작들, 즉 동작열을 고찰해야한다. 이런 에이전트를 문제 해결 에이전트라고 부르고 수행하는 계산 과정을 “검색\(_{Search}\)“이라고 한다. 상태...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. 지금까지 무방향 그래프를 다루었고 이제는 다양한 edge type을 가지는 방향 그래프(a.k.a heteroheneous graph)와 지식 그래프에 대해서 설명한다. I. Heterogeneous graphs and relational GCN(RGCN) 1...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. 이번 강의에서는 GNN의 표현력에 대해서 이야기 합니다. I. theory of GNNs 많은 GNN 모델(GCN, GAT, GraphSAGE, desing space 등)들이 제안되었는데, 각 모델들의 표현력(다른 그래프 구조를 구별하는 능력)은 어떻게 될까요? ...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. 이전 강의에서 GNN을 구성하는 방법과 표현력을 강화하는 방법을 배웠고, 이제 다음으로는 GNN을 학습시키는 방법을 이번 강의에서 다루었습니다. I. Prediction with GNNs Figure 1 : Task에 따른 prediction heads 입력 그...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. I. A Single Layer of a GNN [\text{GNN layer = Message + Aggregation}] GNN layer는 벡터들의 집합을 하나의 벡터로 압축하는 것으로 아래와 같이 두 가지 절차로 이루어져있다. 1. messa...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. 이제부터 본격적으로 Graph Neural Network에 대한 내용을 다룬다. I. Graph Neural Networks Figure 1 : 노드를 d 차원의 임베딩 공간으로 그래프에서의 유사도를 지닌 채로 매핑. [ENC(v) = \begin{array}{...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. I. Message Passing and Node Classification 그래프에서 노드에 label이 부분적으로 할당되어있으면 다른 노드들은 label을 어떻게 할당해야하는가? Fugyre 5-1 : 좌측 그림과 같이 label이 지정된 몇몇의 노드가 주어졌...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. 해당 강의에서는 행렬관점에서의 그래프 분석과 학습을 소개합니다. I. Graph as Matrix Web은 방향 그래프로 초기에는 탐색을 위한 것이었으나 오늘날에는 너무 많은 link가 생성되면서 중요하지 않은 link도 많이 생성되었습니다. 1. Link ...

해당 내용은 개인적으로 정리한 내용임으로 틀린 부분이 있을 수 있습니다. 앞선 강의로 그래프의 각 Level에서의 특징을 알아보았다면 해당 챕터에서 그래프의 노드를 임베딩 공간으로 맵핑하는 임베딩에 대해 이야기 합니다. I. Node Embeddings 그래프 표현 학습은 매번 feature engineering을 하는 것을 완화\(_{...