Google开源的图形数据机器学习框架

谷歌推出 神经结构学习,一个使用 神经图学习 图和结构化数据训练神经网络的方法

文件AI模型的大多数过程都是非结构化数据,例如视频和图像。但是其他种类的 文件可用于机器学习项目。结构化信息表可用于训练新型AI模型以进行有效的模式识别。 

Google工程师Da-Cheng Juan和Sujith Ravi写道:“在训练过程中利用结构化信号可使开发人员获得更高的模型精度,尤其是在标记数据量相对较小的情况下。” 博客文章 用于神经结构学习。

神经结构学习让’程序员(和非程序员)将结构化数据合并到一个项目中,在某些情况下,只需五行代码即可。所有这些都是准备好的AI模型所需的,并提供了培训记录和结构, 记录被格式化。

人工智能 模型科学家 用于基因组学和分子研究通常需要结构化的数据输入。神经结构学习可以为计算机视觉建立模型,执行NLP并根据图形数据集(例如病历或知识图)运行预测。

框架 允许创建对抗性示例。对抗示例是文件,例如具有可操纵像素的照片,人类可以轻松处理但会破坏AI’的处理结果。这些记录用于机器学习模型开发训练软件中 抵御潜在的攻击。

博客文章说:“从经验上讲,没有恶意示例训练的模型在输入中添加了恶意的却不是人类可察觉的扰动时,会遭受严重的准确性损失(例如,降低30%),”

神经结构学习很可能证明 对于从事具有敏感或面向公众的输入的AI工作的团队特别有用 必须解决恶意输入数据的可能性。

标题图片: “NYC FLOW” by Danil Krivoruchko

分享是关怀!

评论已关闭,但 引用 和pingback是开放的。