Какие существуют применения графов в машинном и глубинном обучении?

Некоторые применения графов в машинном и глубинном обучении:

• Классификация и регрессия на молекулярных графах. education.yandex.ru Имея датасет с размеченными молекулами, можно предсказывать их принадлежность к лекарственной категории и различные химико-биологические свойства. education.yandex.ru
• Классификация вершин графа. education.yandex.ru Например, имея частичную разметку, можно восстановить метки неразмеченных вершин, например, предсказать интересы нового пользователя по интересам его друзей. education.yandex.ru
• Кластеризация графа. education.yandex.ru Например, имея граф цитирований, можно выделить в нём подгруппы соавторов или выделить области исследования. education.yandex.ru
• Предсказание пропущенных связей в графе. education.yandex.ru В больших графах часто некоторые связи отсутствуют, например, в социальном графе пользователь может добавить не всех знакомых в друзья. education.yandex.ru
• Интерпретация сцены на изображении. blog.deepschool.ru Помимо распознавания объектов модели глубокого обучения применяются для прогнозирования отношений между ними. blog.deepschool.ru
• Согласование изображений. blog.deepschool.ru Лежит в основе нескольких приложений в компьютерном зрении, включая восстановление 3D-структуры, одновременную локализацию и построение карты, обнаружение изменений. blog.deepschool.ru
• Комбинаторная оптимизация. blog.deepschool.ru Многие задачи из области логистики, экономики и энергетики можно описать с помощью графов и решить с использованием графовых нейронных сетей. blog.deepschool.ru