Исследовательская группа

Прикладное машинное обучение и глубинное обучение

Adversarial Stein Training for Graph Energy Models

February 9

Моделирование и генерация молекулярных структур имеет большое значение в изучении лекарств и иммунологии. Графы представляют собой полезную математическую абстракцию для выражения и анализа таких структур.
В последнее время появился ряд работ по изучению генеративных моделей графов по данным. Одни из популярных таких моделей: GraphVAE и junction tree variational autoencoders. Принцип работы данных моделей заключается в следующем: закодировать граф в пространство скрытых состояний, а затем декодировать сэмплы скрытых переменных из априорного распределения. Есть и другой подход: генерировать граф последовательно, по одной вершине (autoregressive approach).
В статье представлена Energy based model (EBM) ASTRAGEM (Adversarial Stein Training for Graph Energy Models) для моделирования распределений на графах. В отличие от ранее упомянутых подходов (autoencoders и autoregression), EBM обеспечивает чрезвычайно гибкий способ моделирования плотностей.
На семинаре мы рассмотрим представленную в статье модель ASTRAGEM, обсудим нюансы, возникающие в процессе её обучения, а также посмотрим на качество полученной модели на датасетах Ego-small и Community-small.

Докладчик: Илья Михайлов.

Язык доклада: русский.

Дата и время: 9-е февраля, 18:30.

https://us02web.zoom.us/j/217320533?pwd=TzllQzNld1ExUVJUdENXdzZsblBhUT09

Meeting ID: 217 320 533

Passcode: 021675