Redes neuronales sobre grafos explicadas con la elegancia marca Distill

Moléculas, redes sociales, sistemas de recomendación: cuando los datos son relaciones y no tablas, hacen falta GNNs, y esta es la introducción más limpia que existe, con diagramas interactivos que dejan tocar cada concepto. La leí por trabajo cuando modelaba un grafo de conocimiento y me sobró la mitad de la bibliografía posterior. Distill en estado puro.

Abrir el original ↗articulo0 visitas · 0 lectores

Benjamin Sanchez-Lengeling et al. · Distill

MIMarco Ibáñez

Conexiones

Trazadas y explicadas por personas: la razón es lo que las hace valiosas.

«A aporta la intuición práctica sobre cómo las GNN generan embeddings de nodos y relaciones; B demuestra por qué esos vectores tienden a superponer múltiples conceptos en pocas neuronas. Juntos permiten diagnosticar y diseñar estrategias para representaciones más interpretables en grafos.»
MIMarco Ibáñez
Superposición: por qué una neurona guarda varios conceptos a la vez y eso lo complica todoArtículo
«La interacción de Distill te da intuición sobre agregación y paso de mensajes entre nodos; la visualización de la CNN muestra el análogo espacial: filtros locales, receptive field y cómo cada capa transforma características. Saltar entre ambas consolida principios (agregación local, profundidad e interpretabilidad) y te enseña a inspeccionar modelos tanto en dominios relacionales como en imágenes.»
MIMarco Ibáñez
Una CNN transparente: mira cada convolución transformar la imagen, capa a capaWeb