深度學習是近幾年人工智能領域的核心技術，隨著它的不斷深入發展，才有了人工智能今天的崛起和落地應用。談到深度學習，就不得不提圖神經網絡（GNN），畢竟圖神經網絡正是深度學習技術的根本和基礎。下面將用三分鐘帶你解讀圖神經網絡，主要內容包括圖神經網絡的定義、興起和用途，趕緊來一起看看吧。
1、圖神經網絡的定義
GNN全名圖神經網絡，這里的G是是圖（Graph）的意思，GNN之所以重要，是因為圖很重要。圖是計算機科學里的一種非常重要的數據結構，計算機科學有一門必修的基礎課叫“離散數學”，聽名字像是某一條數學分支，不過究竟“離散數學”的邊界在哪里，現在還沒有一個統一的定論。但有一個知識點，所有版本的《離散數學》教材都不會錯過，那就是“圖論”，討論一種叫“圖”的數據結構。而GNN里的“圖”，正是指圖論的“圖”。
那么究竟什么是“圖”？就兩樣，頂點（Vertex）和邊（Edge）。所謂的頂點，就是網絡拓撲圖里面的節點，譬如網絡拓撲圖里的PC機、服務器和路由器等等，而所謂的邊，就是連接這些網絡節點的線。所以圖的應用非常廣，網絡拓撲圖就是一種非常典型的圖結構。
2、圖神經網絡的興起
圖神經網絡的出現實質上是一門新技術的興起，那為什么要推出這款新技術呢？推出一款新技術，潛臺詞就是說原有技術存在不足，下面我們可以看看CNN和RNN存在的不足。說白了就是數據結構，模型是要喂數據的，這我們都知道。但現有的深度學習模型，無論是CNN，還是RNN，或者叫其他什么的，都對數據的數據結構有一個要求，必須都是歐幾里得結構。長得方方正正的就是歐幾里得結構，軍訓的閱兵方陣，橫向縱向都是一個人緊挨著一個人，這就是典型的歐幾里得結構。而圖是非歐幾里得結構，所以沒有辦法用傳統的深度模型處理的。因此，研究人員開發了圖神經網絡。
3、圖神經網絡的用途
近幾年，深度學習帶來了人臉識別、語音助手以及機器翻譯的成功應用。這三類場景的背后分別代表了三類數據：圖像、語音和文本。深度學習在這三類場景中取得突破的關鍵是它背后的端對端學習機制。另外，業界認為大規模圖神經網絡是認知智能計算強有力的推理方法。圖神經網絡將深度神經網絡從處理傳統非結構化數據推廣到更高層次的結構化數據。不僅如此，圖還具有很強的語義可視化能力，這種優勢被所有的 GNN 模型所共享。比如在異常交易賬戶識別的場景中，GNN 在將某個賬戶判斷為異常賬戶之后，可以將該賬戶的局部子圖可視化出來。
總體來說，近些年來，圖神經網絡的興起與用途成功推動了人工智能在模式識別和數據挖掘的研究。
本文由培訓無憂網千鋒教育專屬課程顧問整理發布，更多人工智能課程信息歡迎關注培訓無憂網人工智能培訓頻道或添加老師微信：15033336050
注：尊重原創文章,轉載請注明出處和鏈接 http://www.dedgn.cn/news-id-13566.html 違者必究！部分文章來源于網絡由培訓無憂網編輯部人員整理發布,內容真實性請自行核實或聯系我們，了解更多相關資訊請關注人工智能頻道查看更多，了解相關專業課程信息您可在線咨詢也可免費申請試課。關注官方微信了解更多：150 3333 6050
