Como hemos ido viendo en esta Web, el uso de GPUs y nuevos modelos de deep learning ha logrado grandes avances en visión artificial, procesamiento de lenguaje, juegos, etc. Para ello han sido clave modelos de redes neuronales multicapa, RNNs, CNNs y posteriormente transformers basados en el mecanismo de atención.
Por otro lado, en la última década la ciencia de redes, que representa la realidad física o social usando nodos y enlaces y está basada en la teoría de grafos y la mecánica estadística, ha tenido un gran desarrollo teórico y práctico. Desde la caracterización de redes usando medidas topológicas y estadísticas hasta las redes de varias capas en paralelo pasando por el estudio de la dinámica en redes y la dinámica de redes.
El objetivo de este proyecto es desarrollar y divulgar conocimiento de ciencia de redes, teoría de grafos y especialmente aplicar el deep learning sobre datos representados en redes tanto para resolver problemas sobre redes (clasificación de nodos, enlaces, propiedades de las redes, etc.) como generar nuevas redes con unas propiedades determinadas.
A continuación se muestran los artículo de este proyecto:
- Introducción a NetworkX.
- Deep learning sobre redes estáticas y dinámicas.
- GNNs (Graph neural networks) en PyTorch.
- Modelos generativos de redes.
- Redes multicapa adaptativas.
Deja una respuesta