Ljupčo Todorovski: Strojno učenje na grafih
Opomba: dobimo se v nestandardni učilnici 3.04.
Povzetek: V nadaljevanju prejšnjega seminarja, kjer so bili predstavljeni grafi znanja, pridobljeni iz knjižnic v programskem jeziku Agda, si bomo ogledali pristope strojnega učenja za učenje iz grafov.
Tipičen pristop k učenju iz grafov vpne vozlišča grafa v evklidski prostor vnaprej podane dimenzije. Dobro vpetje "podobna" vozlišča preslika v podobne vektorje v vektorskem prostoru. Enostavni pristopi slonijo na vpetjih, ki upoštevajo zgolj lastnosti posameznih vozlišč, naprednejši pa upoštevajo tudi umestitev vozlišč v grafu.
Vpetje vozlišča grafa pretvori množico vozlišč v tabelo števil, kar nam omogoča uporabo klasičnih pristopov strojnega učenje za napovedovanje manjkajočih povezav. Omejitev napovednih modelov, naučenih iz vpetij, je, da ne znajo pojasniti svojih napovedi. Alternativen pristop je neposredno strojno učenje iz vozlišč in povezav v grafu, katerega rezultati so razumljivi modeli, ki znajo pojasniti svoje napovedi.
