A new recipe everyday, directly in your inbox.
Graphcode : Learning from multiparameter persistent homology using graph neural networks paper link : https://arxiv.org/abs/2405.14302 * 지속성 호몰로지(Persistent Homology)라는 개념과 그래프 이론과의 밀접한 관련에 정말 관심이 많습니다. "어떻게 데이터 구조의 지속성 (persistence) 특징을 그래프로 표현하여 신경망 학습을 효율적으로 디자인할 수 있을까?" 가 저의 최근
On Vanishing Gradients, Over-Smoothing, and Over-Squashing in GNNs: Bridging Recurrent and Graph Learning paper link : https://arxiv.org/abs/2502.10818 * 오마카세에서 여러번 다루었던 주제로, 그래프 신경망의 대표 학습 메커니즘인 메세지 전달 방법의 한계점을 심층적으로 분석하는 논문을 가볍게 리뷰해보고 해당 논문에서 강조하는 핵심 인사이트를 전달해드리고자 합니다. 좋은 참고가 되었으면 좋겠습니다.
Pre-training Enhanced Spatial-temporal Graph Neural Network for Multivariate Time Series Forecasting paper link : https://arxiv.org/abs/2206.09113 * 참여 프로젝트 중 시계열 데이터 분석 관련하여 그래프를 활용해보고자 하는 좋은 기회를 부여받아서, 해당 도메인 상에서 정말 유명한 위 논문을 읽고 요약하여 여러분들께 전달해드려보고자 합니다. * 다변량 시계열 (Multivariate Time Series) 예측을
GFM-RAG: Graph Foundation Model for Retrieval Augmented Generation https://arxiv.org/pdf/2502.01113 GFM-RAG 리뷰입니다. GraphRAG 개념이 익숙하신 분들이라면, 본 논문 컨셉을 이해하기에 수월하실거라 생각됩니다. GraphRAG의 초반부인 Knowledge graph 만드는 부분과 후반부 Retrieval 결과를 Prompt 에 넣어 Decoding 하는 것은 유사하나 가운데 retrieval 단계에서 GDBMS를 활용하는게 아닌, GNN을 이용한다는게
A Generalization of the Persistent Laplacian to Simplicial Maps paper link : https://arxiv.org/abs/2302.03771 Key Contents * What is Simplicial Maps? * What is Persistent Laplacian? * Persistent Laplacian for Simplicial Maps (Generalization) * 이번 주는 오랜만에 토폴로지 관점에서 그래프 상의 고차 관계성 (Higher-order relationship)을 분석하고 최적화하는 방법 관련한 이론적
