-
کاربردهای ترانسفورمرهای گراف (GT)
سهشنبه 28 اسفند 1403 06:46
ترانسفورمرهای گراف ( GTs ) معماری ترانسفورمر را به دادههای ساختار یافته گرافی گسترش میدهند و امکان مدلسازی پیشرفته روابط و الگوها را در حوزههای مختلف فراهم میکنند. در زیر خلاصهای از برنامههای کاربردی کلیدی آمده است: (1) پردازش زبان طبیعی ( NLP ) مدلسازی گراف به گراف: GT ها برای مدلسازی ساختارهای زبانی با در...
-
دادههای مولکولی و پروتئینی
سهشنبه 28 اسفند 1403 06:31
دادههای مولکولی و پروتئینی در زمینههایی مانند کشف دارو، علم مواد و بیوتکنولوژی حیاتی هستند. ترانسفورمرهای گراف ( GTs ) با در نظر گرفتن مولکولها به عنوان گراف، که در آن اتمها گره و پیوندها لبه هستند، پتانسیل قابل توجهی در پردازش این نوع دادهها نشان دادهاند. در اینجا یک نمای کلی از نحوه اعمال GT ها به دادههای...
-
کاربرد ترانسفورمرهای گراف در علم مواد
سهشنبه 28 اسفند 1403 06:22
ترانسفورمرهای گراف ( GTs ) با استفاده از توانایی خود در مدلسازی روابط پیچیده در دادههای ساختار یافته گراف، پتانسیل را در علم مواد نشان دادهاند. در حالی که شبکههای عصبی گراف ( GNN ) به طور گسترده در این زمینه استفاده میشوند، GT ها مزایایی را در گرفتن وابستگیهای دوربرد و تعاملات جهانی ارائه میدهند که برای...
-
کاربرد ترانسفورمرهای گراف در بهداشت و درمان
سهشنبه 28 اسفند 1403 06:05
ترانسفورمرهای گراف ( GTs ) به طور فزایندهای در مراقبتهای بهداشتی به کار میروند تا از توانایی آنها در مدلسازی روابط پیچیده در دادههای ساختار یافته گراف استفاده کنند. این شامل پرونده الکترونیک سلامت ( EHRs )، توالیهای زیست مولکولی، و تصویربرداری پزشکی است. در زیر خلاصهای از برنامههای کاربردی آنها آمده است: (1)...
-
کاربردهای زبان و بینایی ترانسفورمرهای گراف
سهشنبه 28 اسفند 1403 06:03
گراف ترانسفورمرها ( GTs ) به طور فزایندهای در وظایفی که زبان و بینایی را با هم ترکیب میکنند، استفاده میشوند و از توانایی آنها برای پردازش دادههای ساختار یافته گراف و ادغام اطلاعات چندوجهی استفاده میشود. در زیر مروری بر کاربردهای آنها در این حوزهها آورده شده است: (1) ویژن + وظایف زبان: گراف ترانسفورمر برای پر...
-
General Graph Tasks
دوشنبه 27 اسفند 1403 17:30
وظایف گراف کلی در یادگیری ماشین گراف ماشین یادگیری ( GML ) شامل انواع وظایف با هدف استخراج بینش و پیشبینی از دادههای ساختار یافته گراف است. این وظایف به طور کلی به وظایف سطح گره، سطح لبه (پیوند)، و سطح گراف و همچنین رویکردهای یادگیری بدون نظارت مانند خوشهبندی و یادگیری بازنمایی دستهبندی میشوند. در زیر یک نمای کلی...
-
ده سال با یادگیری عمیق
دوشنبه 27 اسفند 1403 04:13
مقدمه همانطور که سال 20 ۲۵ آغاز میشود، نقطه عطف یادگیری عمیق که واقعاً شروع به ورود به جریان اصلی کرده است، رسیدهایم. 10 سال. در مورد آن فکر کنید. فقط ۱۰ سال گذشته است و ما کاملاً انقلابی در نگاه خود به قابلیتهای ماشینها، نحوه ساخت نرمافزار و روشهایی که در مورد ایجاد محصولات و شرکتها فکر میکنیم را متحول...
-
گرافهای دانش و تغییر یادگیری ماشینی در سال ۲۰۲۵
یکشنبه 26 اسفند 1403 10:04
در سال 2025، گرافهای دانش نحوه تعامل شما با سیستمهای یادگیری ماشین را تغییر میدهند. این گرافها دادهها را در روابط معنیدار سازماندهی میکنند و تفسیر ارتباطات پیچیده را برای هوشمصنوعی آسانتر میکنند. ابزارهای خودکار اکنون گرافهای دانش را از منابع دادههای مختلف ایجاد و نگهداری میکنند و باعث صرفهجویی در زمان...
-
مدیریت دادههای گراف و یادگیری ماشین گراف: همافزایی و فرصتها
یکشنبه 26 اسفند 1403 09:41
تعامل بین Graph Data Management (GDM) و Graph Machine Learning (GML) نحوه پردازش، تجزیه و تحلیل و استخراج بینش از دادههای به هم پیوسته را متحول میکند. این همافزایی برای کاربردهایی مانند کشف دارو، کشف تقلب و تجزیه و تحلیل شبکههای اجتماعی حیاتی است. در زیر ترکیبی از بینشهای کلیدی از تحقیقات اخیر و روندهای صنعت...
-
گرافهای دانش آینده ما را شکل خواهند داد
یکشنبه 26 اسفند 1403 09:20
گرافهای دانش ( KGs ) نحوه تعامل ما با دادهها را با سازماندهی آنها به ساختارهای به هم پیوستهای که زمینه، معنا و بینش عملی را ارائه میدهد، تغییر میدهند. تا سال 2025، آنها نقشی محوری در صنایع مختلف بازی میکنند، سیستمهای هوش مصنوعی را تقویت میکنند و تصمیمگیری هوشمندانهتر را ممکن میسازند. مطالبی در مورد چگونگی...
-
یادگیری ماشین گراف ۲۰۲۰ تا ۲۰۲۵
یکشنبه 26 اسفند 1403 08:59
سال 202۴ به پایان رسد و زمان آن فرا رسیده است که بنشینیم و دستاوردهای بدست آمده در Graph ML و همچنین فرضیهسازی در مورد پیشرفتهای احتمالی در سال 202۵ را بررسی کنیم. زمینه یادگیری ماشین گراف ( Graph ML ) به سرعت از سال 2020 تا 2025 تکامل یافته است که با پیشرفت در مبانی نظری، ادغام با مدلهای زبان بزرگ ( LLM ) و افزایش...
-
یادگیری ماشین گراف: مرور مفاهیم ۱
دوشنبه 20 اسفند 1403 08:13
رمزگشایی شبکههای عصبی گراف – قسمت 1 شبکههای عصبی گراف ( GNN ) در علم داده [1] و یادگیری ماشین مورد توجه قرار گرفتهاند، اما هنوز در خارج از محافل متخصص به خوبی شناخته نشدهاند. برای درک این رویکرد هیجانانگیز، باید با حوزه وسیعتر یادگیری ماشین گراف ( GML ) شروع کنیم. بسیاری از منابع آنلاین در مورد GNN و GML صحبت...
-
یادگیری عمیق و گرافها
شنبه 18 اسفند 1403 10:11
قصیدهای وجود دارد که به هیپوقراط نسبت داده میشود که میگوید: “ars longa, vita brevis” ( هنر طولانی است، زندگی کوتاه است). این به احساس اضطراب اشاره دارد زمانی که سعی میکنید تمام مهارتها و دانش لازم برای پزشک شدن را بیاموزید، در حالی که روزهای شما 24 ساعت است و طول عمر شما بیش از 80 سال نیست. زمانی که سعی میکنید...
-
نظریه گراف و چگونگی ظهور ویژگیهای مغز
جمعه 17 اسفند 1403 18:01
نظریه گراف یک چارچوب ریاضی برای مدلسازی ارتباطات زوجی بین عناصر یک شبکه ارائه میکند و آن را برای تجزیه و تحلیل الگوهای اتصال پیچیده مغز انسان مناسب میسازد. این به محققان اجازه میدهد تا مغز را بهعنوان یک گراف مدلسازی کنند، گرههایی که نواحی مغز را نشان میدهند و لبهها نشاندهنده ارتباط بین آنهاست. این رویکرد به...
-
Graph Meta Learning
جمعه 17 اسفند 1403 17:11
روشهای رایج برای گرافها به اطلاعات برچسبها و لبههای فراوانی برای یادگیری نیاز دارند، با این حال بسیاری از گرافهای دنیای واقعی فقط چند برچسب در دسترس دارند. این یک چالش جدید است: چگونه میتوان پیشبینیهای دقیق در رژیمهای کم داده انجام داد؟ وقتی دادههای یک کار جدید کمیاب است، فرا یادگیری میتواند از تجربیات قبلی...
-
یادگیری متضاد گراف
جمعه 17 اسفند 1403 16:29
یادگیری متضاد گراف در سطح گره شبکههای عصبی گراف بسیار محبوب شدهاند و اغلب به بازنماییهای یادگیری برای کارهای پایین دستی متکی هستند. این پست وبلاگ در مورد یادگیری متضاد گراف، یک تکنیک یادگیری بدون نظارت برای ساختن بازنماییهایی از دادههای بدون برچسب بحث خواهد کرد. این ایده مبتنی بر تغییر اندکی گرافها است تا مدل...
-
قارچها و چگونگی ایجاد شبکههای پیچیده
جمعه 17 اسفند 1403 16:25
قارچ ها از طریق میسلیوم خود شبکه های پیچیده ای می سازند که از هیف های شاخه ای و نخ مانند تشکیل شده است. این شبکهها فقط ساختارهای ساکن نیستند، بلکه سیستمهای دینامیکی هستند که تکامل مییابند و با شرایط محیطی سازگار میشوند. در اینجا نحوه ساخت و استفاده قارچ ها از این شبکه ها آمده است: ساخت شبکههای میسلیوم رشد و...
-
specification gaming
جمعه 17 اسفند 1403 10:40
نشان دادن بازی مشخصات [1] در مدلهای استدلالی شامل نشان دادن این است که چگونه این مدلها میتوانند از رفتارهای ناخواسته یا حفرههای موجود در اهداف خود برای دستیابی به اهداف استفاده کنند، اغلب به روشهایی که از رویکرد حل مسئله مورد نظر منحرف میشوند. مروری بر مشخصات بازی (1) تعریف: بازی با مشخصات زمانی اتفاق میافتد که...
-
مدلهای هوش مصنوعی قدیمیتر نشانههایی از زوال شناختی نشان میدهند، شبیه به انسان!
جمعه 17 اسفند 1403 10:27
خلاصه: پژوهشی تازه نشان میدهد که مدلهای زبانی بزرگ ( LLM ) و چتباتهای قدیمیتر ممکن است با گذشت زمان دچار کاهش در تواناییهای شناختی، مشابه با افت شناختی در انسانها شوند. هوش مصنوعی ( AI ) بهطور فزایندهای در تشخیصهای پزشکی مورد استفاده قرار میگیرد، زیرا این ابزارها میتوانند بهسرعت و با دقت بالا ناهنجاریها...
-
مقدمهای بر GNN Explainers
جمعه 17 اسفند 1403 10:20
توضیح توضیحدهندهها در شبکههای عصبی گراف ( GNN ) مستلزم درک این است که چگونه تکنیکهای مختلف بینشهایی را در مورد پیشبینیهای مدلهای GNN ارائه میدهند. مقدمه ای بر GNN Explainers (1) نیاز به توضیح: از آنجایی که GNN ها در تجزیه و تحلیل دادههای گراف پیچیده رایج تر میشوند، نیاز فزاینده ای به درک چگونگی پیش ...
-
تکنیکهای تفسیر، خلاصهسازی و تجسم گراف
جمعه 17 اسفند 1403 10:12
مروری با عنوان «تکنیکهای تفسیر، خلاصهسازی و تجسم گراف: بررسی و مسائل تحقیق باز» روشها و چالشهای مختلف مرتبط با تفسیر، خلاصهسازی و تجسم دادههای گراف را بررسی میکند. مروری بر تفسیر گراف تعریف: تفسیر گراف شامل تجزیه و تحلیل بازنماییهای گرافیکی دادهها برای استخراج بینش های معنادار است. به مهارتهایی مانند...
-
روشهای یادگیری بازنمایی شبکه اطلاعات پیچیده در مقیاس بزرگ
جمعه 17 اسفند 1403 10:05
نظرسنجی در مورد "بررسی روشهای یادگیری بازنمایی شبکه اطلاعات پیچیده در مقیاس بزرگ" تکنیک ها و روشهای مختلفی را برای بازنمایی شبکههای اطلاعاتی پیچیده با استفاده از روشهای یادگیری ماشین و یادگیری عمیق بررسی میکند. مروری بر یادگیری بازنمایی شبکه تعریف: هدف یادگیری بازنمایی شبکه، تعبیه رئوس شبکه در یک فضای...
-
مروری بر انتشار شایعات
جمعه 17 اسفند 1403 09:31
عوامل روانشناختی، اجتماعی و فنی: این بررسی به بررسی این موضوع میپردازد که چگونه این عوامل در انتشار شایعات و تأثیر آنها بر شهرت، وحشت و تصمیمگیری در شبکههای اجتماعی نقش دارند [3] [4]. تعریف شایعه: شایعات به عنوان ادعاها یا اطلاعات تأیید نشدهای تعریف میشوند که به سرعت از طریق تعاملات اجتماعی، به ویژه در پلتفرمهای...
-
ساختار شبکههای اجتماعی از طریق تئوری تجزیه و برچسبگذاری گراف
جمعه 17 اسفند 1403 09:19
مطالعه ساختار شبکههای اجتماعی از طریق تئوری تجزیه و برچسبگذاری گراف شامل روشهای مختلفی با هدف درک پویایی جامعه، بهینهسازی انتقال اطلاعات و تحلیل روابط درون شبکهها است. مروری بر تئوری تجزیه و برچسب گذاری گراف (1) تئوری تجزیه: نظریه تجزیه در نظریه گراف بر تجزیه گرافهای پیچیده به اجزای سادهتر، مانند دستهها،...
-
الگوریتمهای پیشبینی پیوند در شبکههای پویا
جمعه 17 اسفند 1403 03:44
پیشبینی پیوند در شبکههای پویا یک مشکل حیاتی در علم شبکه است که هدف آن پیشبینی ظهور یا ناپدید شدن پیوندها در طول زمان است. این بررسی روششناسی، پیشرفتها و چالشهای کلیدی در این زمینه است. (1) تعریف و دامنه مسئله • پیشبینی پیوند پویا: این کار شامل پیشبینی ماتریسهای مجاورت آتی گرافهای پویا بر اساس عکسهای فوری...
-
یادگیری گراف مادام العمر
جمعه 17 اسفند 1403 02:13
شبکههای عصبی گراف ( GNN ) مدلهای قدرتمندی برای بسیاری از وظایف با ساختار گراف هستند. مدلهای موجود اغلب فرض میکنند که ساختار کاملی از یک گراف در طول آموزش در دسترس است. با این حال، دادههای ساختاریافته گراف اغلب به صورت جریانی شکل میگیرند به طوری که یادگیری یک گراف به طور مداوم اغلب ضروری است. یک گراف در حال رشد...
-
بررسی ترانسفورمرهای گراف: معماری، نظریهها و کاربردها
دوشنبه 13 اسفند 1403 04:29
ترانسفورمرهای گراف ( GTs ) کلاسی از مدلهای شبکه عصبی هستند که نقاط قوت یادگیری گراف و معماری ترانسفورمر را برای رفع چالشها در پردازش دادههای ساختار یافته گراف ترکیب میکنند. A Survey of Graph Transformers: Architectures, Theories, and Applications مروری جامع از تکامل، قابلیتها و کاربردهای آنها ارائه میدهد. در زیر...
-
بیوکمپیوترهای زنده سلول مغز اکنون در حال آموزش روی دوپامین هستند
جمعه 10 اسفند 1403 07:56
بیوکمپیوترهای زنده سلول مغز، مانند آنهایی که توسط FinalSpark و Cortical Labs ساخته شدهاند، یک مرز جدید در فناوری محاسبات هستند. این سیستمها از سلولهای مغز انسان که اغلب به ارگانوئید تبدیل میشوند، برای پردازش اطلاعات و یادگیری وظایف استفاده میکنند. مروری بر زیست کامپیوترهای سلول مغز زنده (1) مفهوم زیست محاسباتی:...
-
مدلهای هوش مصنوعی هنگام شکست در بازیها دست به تقلب میزنند
سهشنبه 7 اسفند 1403 09:33
محققان دریافتند وقتی هوش مصنوعی قدرتمند میبیند دارد در بازی شکست میخورد، تصمیم میگیرد با تقلب پیروز شود. محققان در پژوهش جدیدی پتانسیل تقلب در هوش مصنوعی را بررسی کردند. آنها دریافتند وقتی مدلهای قدرتمند میبینند دارند در بازی شکست میخورند، تصمیم میگیرند با تقلب پیروز شوند. این مدلها میتوانند بهتنهایی نقاط...
-
حقوق اخلاق در ماشینهای دارای هوش مصنوعی
دوشنبه 6 اسفند 1403 08:51
این مقاله به بررسی این پرسش میپردازد که آیا باید حقوق اخلاقی را به حیوانات و حتی ماشینهای دارای هوش مصنوعی گسترش دهیم یا خیر. در قلب این بحث، کتاب “The Moral Circle” نوشته جف سبو (Jeff Sebo) قرار دارد که استدلال میکند آگاهی (consciousness) در میان بسیاری از گونههای حیوانی رایج است و ما باید دایره اخلاقی خود را...
