Prieskum techník grafových neurónových sietí
Graph Neural Networks Exploration
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Barbara Bobeničová
Vedoucí práce
Čepek Miroslav
Oponent práce
Rybář Vojtěch
Studijní obor
Znalostní inženýrstvíStudijní program
Informatika 2009Instituce přidělující hodnost
katedra aplikované matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Táto práca sa venuje rozboru metód grafových neurónových sietí pre klasifikáciu vrcholov a grafov. Skúma súčasné knižnice na prácu s grafovými neurónovými sieťami ako StellarGraph, PyTorch Geometric a DGL. Na vybraných datasetoch z Open Graph Benchmark sú otestované a porovnané grafové algoritmy Graph Convolutional Networks, GraphSAGE a Graph Attention Networks. Dosiahnuté výsledky sú porovnané so state of the art výsledkami. This thesis is dedicated to the analysis of graph neural network methods for the nodes and graph classification. Explores current libraries for working with graph neural networks such as StellarGraph, PyTorch Geometric and DGL. The graph algorithms Graph Convolutional Networks, GraphSAGE and Graph Attention Networks are tested and compared on selected datasets from the Open Graph Benchmark. The achieved results are compared with the state of the art results.
Kolekce
- Bakalářské práce - 18105 [300]
Související záznamy
Zobrazují se záznamy příbuzné na základě názvu, autora a předmětu.
-
Využití grafových databází pro pokročilou analýzu dat
Autor: Juraj Polačok; Vedoucí práce: Sušický Marek; Oponent práce: Valenta Michal
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-08)Práca sa zaoberá rešeršou dostupných grafových databáz, ktoré podporujú horizontálne škálovanie. Práca sa snaží stručne vysvetliť základné technológie, ktoré sa využívajú v spomínaných grafových distribuovaných databázach. ... -
Indexování struktur v grafovém DB stroji neo4j I
Autor: Troup Martin; Vedoucí práce: Valenta Michal; Oponent práce: Bachman Michal
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2015-06-29)V této práci je představena nová metoda pro indexování grafových vzorů v grafové databázi. Metoda je navržena a implementována pro grafovou databázi Neo4j. Metoda umožňuje vytváření, používání a aktualizování indexů, které ... -
Rekurzivně konstruovatelné grafy
Autor: Štěpánková Anežka; Vedoucí práce: Scholtzová Jiřina; Oponent práce: Dombek Daniel
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2017-05-16)Cílem této práce je představit rekurentní grafy definované v BI-GRA a příslušné lineární rekurentní rovnice k těmto grafům. Dále seznámit se s třídami rekurzivně konstruovatelných grafů a podobně jako u BI-GRA grafů pro ...