728x90 분류 전체보기14 [3] GNN - Graph Classification **그래프 분류(Graph Classification)**는 여러 개의 그래프가 주어졌을 때, 각 그래프 전체를 하나의 라벨(클래스)로 분류하는 문제입니다.즉, 그래프 단위의 특성을 학습하여 분류하는 것이 목적입니다. ✅ 문제 정의입력:그래프 G1,G2,...,Gn 각각은 (노드, 엣지, 특징)으로 구성됨각 그래프에는 하나의 **전체 라벨 yi**가 주어짐출력:라벨이 없는 새 그래프에 대해 전체 라벨 예측 📌 예시응용 분야각 그래프(G)예측할 라벨약물 분류하나의 분자 구조독성 유무, 치료 분야단백질 구조 분석단백질 접힘 구조 그래프기능적 카테고리화학 반응 예측반응 전 분자 구조반응 유형소셜 네트워크 분석사용자 그룹의 연결망성향 유형 (예: 정치적 성향) ⚙️ 어떻게 작동하나?그래프 분류는 이미지나 문.. 2025. 7. 2. [2] GNN - Node Classification **노드 분류(Node Classification)**는 그래프 상의 각 노드에 라벨(또는 클래스)을 예측하는 문제입니다.즉, 노드가 어떤 속성이나 역할을 가지는지를 파악하는 것이 목표입니다. ✅ 문제 정의주어진 입력:그래프 G = (V, E)V: 노드 집합E: 엣지(간선) 집합각 노드에 대한 특징 벡터 xᵢ일부 노드에 대해 알려진 레이블 yᵢ (지도 학습)예측 대상:라벨이 알려지지 않은 노드들의 레이블 예측 📌 예시응용 분야노드라벨(클래스) 예시소셜 네트워크사람관심사 (스포츠, 예술 등)논문 인용 그래프논문연구 분야 (컴퓨터 비전, 생물학 등)지식 그래프개체엔티티 타입 (사람, 장소, 회사 등)분자 그래프원자화학적 성질, 반응성 등 ⚙️ 어떻게 작동하나?노드 분류는 전통적인 머신러닝 기법으로는 어려운.. 2025. 7. 2. [1] What is Graph Neural Network(GNN) ? GNN(Graph Neural Network) 을 이해하기 위해 먼저 그래프 구조에 대해 알아야 합니다.그래프는 **노드(node)**와 **엣지(edge)**로 구성된 데이터 구조입니다.노드는 개체를, 엣지는 개체 간의 관계를 나타냅니다.예시실제 예시노드엣지(연결)소셜 네트워크사람친구 관계지하철 노선도역선로 연결분자 구조원자화학 결합물리 시뮬레이션 메시공간 상의 점물리적 연결 (ex. 열전달 경로) 이처럼 그래프는 복잡한 관계 기반 데이터를 표현하는 데 매우 유용한 구조입니다. 🔷 2. 기존 신경망과 GNN의 차이기존 딥러닝 모델들은 다음과 같은 정형 데이터에 적합합니다:CNN: 이미지 (격자 구조, 2D)RNN: 텍스트, 시계열 (순차 구조, 1D)하지만 현실 세계의 많은 데이터는 **비정형 구조(.. 2025. 7. 1. 23.06.04) Japan - Kyoto Photo by Emilia Camera : FUJIFILM X-T30ii 2023. 6. 17. 이전 1 2 3 4 다음
