Slika naslovnice

Tehnike dubokog učenja za podatke strukturirane u obliku grafova

Sažetak na hrvatskom: Graf je sveprisutna struktura podataka na kojoj je moguće izvoditi zadatke dubokog učenja pomoću različitih tehnika. U ovom su radu opisane poznate graf duboke neuronske mreže uz objašnjenje teorijskih osnova i navođenje njihovih prednosti i nedostataka. Također je iznesen i sv...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:51669/Similar
Glavni autor: Pavlić, Marko (-)
Ostali autori: Čavrak, Igor (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, M. Pavlić, 2019.
Predmet:
duboko učenje > graf > reprezentacija vrha > nadzirano i nenadzirano učenje > graf konvolucijska mreža > induktivnost > mehanizam pažnje > kombinatorna generalizacija > relacijske induktivne sklonosti > Python > PyTorch > PyTorch Geometric
deep learning > graph > node embedding > supervised and unsupervised learning > graph convolutional network > inductive learning > attention mechanism > combinatorial generalization > relational inductive biases > Python > PyTorch > PyTorch Geometric

APA stil citiranja

Pavlić, M., & Čavrak, I. (2019). Tehnike dubokog učenja za podatke strukturirane u obliku grafova: Tehnike dubokog učenja za podatke strukturirane u obliku grafova : diplomski rad. Zagreb: M. Pavlić.

Chicago stil citiranja

Pavlić, Marko, and Igor Čavrak. Tehnike dubokog učenja za podatke strukturirane u obliku grafova: Tehnike dubokog učenja za podatke strukturirane u obliku grafova : diplomski rad. Zagreb: M. Pavlić, 2019.

MLA stil citiranja

Pavlić, Marko, and Igor Čavrak. Tehnike dubokog učenja za podatke strukturirane u obliku grafova: Tehnike dubokog učenja za podatke strukturirane u obliku grafova : diplomski rad. Zagreb: M. Pavlić, 2019.

Slični primjerci