Zadání studentských prací

zpět na web KM

Zadání bakalářské práce

Základní údaje

Posluchač:
Program / Obor:

Název (CZ):	Analýza kombinování poziční a strukturální informace v grafových neuronových sítích
Název (EN):	Analysis of positional and structural information in graph neural networks

Pokyny pro vypracování

1.	Seznámení se s aktuálními technikami trénování grafických neuronových sítí (GNN).
2.	Seznámení se s metodami redukce složitosti trénování GNN v [1] a referencovaných zdrojích.
3.	Seznámení se s implementací numerických simulací v [1].
4.	Experimentální vyhodnocení metody implementace GNN kombinující poziční a strukturální informaci, kde poziční informace (predikce modelu) je dána zjednodušenou GNN podle [1] a strukturální informace je dána predikcí GNN modelu aplikovanou na klastru uzlů [1].
5.	Porovnání vlastností výsledné metody výkonost-paměťová náročnost s původní GNN. Provedení experimentu pro různé nastavené GNN a různé parametry zjednodušení grafu.
6.
7.
8.

Doporučená literatura

Vyžadovaný formát referencí

Dodržujte následující formátování seznamu použité literatury. Pokud formát nedodržíte, bude Vám zadání vráceno k přepracování.

článek v časopise: Autor/ři, Název_článku. Název_časopisu ročník, rok, stránky.
příklad: K. G. Hare, Tiles in quasicrystals with quartic irrationality. Mathematics of Computation 75, 2009, 405–420.
kniha: Autor/ři, Název_knihy. Vydavatel, rok.
příklad: N. L. Johnson, S. Kotz, N. Balakrishnan, Continuous univariate distributions. John Wiley & Sons, New York, 1994.
příspěvek ve sborníku: Autor/ři, Název_příspěvku. In ‘Název_sborníku’, Vydavatel, rok, stránky.
příklad P. Mueller, P. Wonka, S. Haegler, et al., Procedural modeling of buildings. In ‘ACM SIGGRAPH 2006 Papers’, ACM New York, 2006, 614–623.

1.	P. Procházka, M.Mareš, M. Dědič, Scalable Graph Size Reduction for Efficient GNN Application. In 'CEUR Workshop Proceedings', 2022.
2.	W. L. Hamilton, R. Ying, J. Leskovec, Inductive Representation Learning on Large Graphs. In 'Advances in neural information processing systems', Neural Information Processing Systems Foundation, 2017, 1012-1034.
3.	J. Bai, Y. Ren, J. Zhang, Ripple Walk Training: A Subgraph-based training framework for Large and Deep Graph Neural Network. In 'arXiv:2002.07206', arxiv.org, 2020, 1-8.
4.	H. Chen, B. Perozzi, Y. Hu, S. Skiena, HARP: Hierarchical Representation Learning for Networks. In 'Proceedings of the AAAI Conference on Artificial Intelligence' 32, 1, 2018.
5.	Z. Wu, S. Pan, F. Chen, G. Long, C. Zhang, P. S. Yu, A Comprehensive Survey on Graph Neural Networks. In 'IEEE Transactions on Neural Networks and Learning Systems', IEEE computational intelligence society, 2020, 1-22.
6.	T. N. Kipf, M. Welling, Semi-supervised classification with graph convolutional networks. In 'Proceedings of the 5th International Conference on learning representations', ICLR, 2016, 1-14.

Školitel a konzultant

Školitel:
	(Celé jméno a příjmení s tituly)
Pracoviště:	Cisco Systems, s.r.o. Karlovo nám. 2097/10 120 00 Praha 2 - Nové Město
	(Název instituce a adresa)
Email:
Telefon:

Konzultant:
	(Celé jméno a příjmení s tituly)
Pracoviště:
	(Název instituce a adresa)

Data

Datum zadání:
Datum odevzdání:

Stav zadání

Schváleno KM

Historie

2019-10-15 19:33:56

– zahájení procesu zadání

2019-10-15 20:02:58

– zasláno školiteli

2019-10-18 13:54:38

– upraveno školitelem

2019-10-21 12:53:19

– zasláno školiteli

2019-10-22 09:39:07

– upraveno školitelem

2019-10-22 10:21:19

– zasláno na KM

2019-10-22 10:52:29

– vráceno k opravě

2019-11-08 11:40:55

– zasláno školiteli

2020-10-13 12:40:43

– zasláno školiteli

2020-10-14 12:04:04

– upraveno školitelem

2020-10-15 11:00:44

– zasláno na KM

2020-10-15 19:32:19

– žádost o autorizaci

2020-10-16 12:37:28

– autorizováno školitelem

2021-01-07 10:23:14

– schváleno KM

2022-10-19 22:45:56

– reaktivováno

2022-10-20 11:58:55

– vráceno k opravě

2022-10-20 12:46:49

– zasláno školiteli

2022-10-21 14:54:39

– upraveno školitelem

2022-10-24 15:54:26

– zasláno na KM

2022-10-24 16:27:57

– žádost o autorizaci

2022-10-31 08:01:33

– autorizováno školitelem

2022-11-22 15:24:21

– schváleno KM