آموزش گراف شبکه های عصبی: مبانی، کدها و شبیه سازی برای هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

بخش 1: مقدمه ای بر شبکه های عصبی گراف Section 1: Introduction to Graph Neural Networks

• 1. نمودار شبکه های عصبی و اینترنت رفتارها 1. Graph Neural Networks and Internet of Behaviors

بخش 2: مقدمه ای بر نمودارها به عنوان ساختارهای گسسته Section 2: Introduction to Graphs as Discrete Structures

بخش 3: جاسازی در Nodes & Edges- GCN Section 3: Embedding in Nodes & Edges- GCNs

بخش 4: یادگیری نمودار هندسی Section 4: Geometric Graph Learning

بخش 5: چرا شبکه های عصبی نمودار مهم هستند؟ Section 5: Why Graph Neural Networks are Important?

بخش 6: طبقه بندی GNN ها Section 6: Taxonomy of GNNs

بخش 7: پیاده سازی OBE و PyG از GNN Section 7: OBE & PyG Implementation of GNNs

بخش 8: نحوه مدل‌سازی تصاویر و داده‌های متنی به عنوان شبکه‌های عصبی نمودار Section 8: How to model Images and Text Data as Graph Neural Networks

بخش 9: توجه و توجه چند سر در GNN چگونه کار می کند؟ Section 9: How Attention and Multi-head Attentions works in GNNs?

بخش 10: GraphSage- شبکه عصبی گراف با توانایی های پیشرفته Section 10: GraphSage- Graph Neural Network with enhanced abilities

بخش 11: PyNeuraLogic & GNN Explainer Section 11: PyNeuraLogic & GNN Explainer

بخش 12: مبارزه با پولشویی با استفاده از GNN Section 12: Anti Money Laundering using GNNs

بخش 13: GNN ها برای استنتاج هویت در بلاک چین Section 13: GNNs for Identity Inference on Blockchain

بخش 14: تعبیه نمودار در شبکه های عصبی عمیق Section 14: Graph Embedding in Deep Neural Networks

بخش 15: کتابخانه گراف ستاره ای پایتون Section 15: Stellar Graph Library of Python

بخش 16: انتقال یادگیری در نمودار هوش مصنوعی Section 16: Transfer Learning in Graph AI

بخش 17: GNN ها برای سیستم های توصیه کننده Section 17: GNNs for Recommender Systems

بخش 18: آموزش ویژگی Node2Vec در نمودارها Section 18: Node2Vec Feature Learning in Graphs

بخش 19: گراف برنامه وب با استفاده از پایتون Section 19: Graph Web Application using Python

بخش 20: بهینه سازی شبکه های عصبی نمودار Section 20: Optimization of Graph Neural Networks

بخش 21: استخراج نمودار - نمودارهای هوش مصنوعی در مقیاس بزرگ Section 21: Graph Mining- Large Scale AI Graphs

بخش 22: نظریه بازی و هوش مصنوعی Section 22: Game Theory & AI

بخش 23: FASTGCN و پیاده سازی آن در پایتون Section 23: FASTGCN and its implementation in Python

بخش 24: 100 + منابع در مورد شبکه های عصبی نمودار و کاربردهای آنها Section 24: 100 + Resources on Graph Neural Networks and their Applications

بخش 25: GNN ها در محاسبات نورومورفیک Section 25: GNNs in Neuromorphic Computing

بخش 26: نمودار شبکه های عصبی در مراقبت های بهداشتی Section 26: Graph Neural Networks in Healthcare

بخش 27: فرا یادگیری با استفاده از GNN Section 27: Meta- Learning using GNNs