Графовые нейронные сети активно применяются для решения различных прикладных задач, например в науках о материалах и в современных рекомендательных системах. Одним из наиболее известных недостатков графовых сетей является высокая степень сглаживания векторов признаков вершин графа. Последнее может существенно снизить качество моделей, построенных на графовых нейронных сетях. В предыдущих работах было показано, что применение теории пучков позволяет снизить диффузию в графовых нейронных сетях,...Подробнее

Разработка алгоритмов обучения графовых нейронных сетей на основе теории пучков на графах. П графовых нейронных сетях на пучках над вершинами и ребрами определены линейные пространства вместе с линейными отображениями между некоторыми из этих динейных пространств. В данном проекте предлагается применить методы машинного обучения для вычисления матриц упомянутых выше линейных отображений.

Еженедельные встречи с руководителем проекта для обсуждения проделанной работы, обсуждения трудностей и корректировки плана.

Репозиторий с программным кодом проекта. Презентация и работы на конференции.

Достаточно персонального компьютера и вычислительных ресурсов, доступных студенту ВШЭ.

Опыт соруководителя проекта в рекомендательных системах. Открытые датасеты для тестирования рекомендательных систем (https://www.kaggle.com/datasets/grouplens/movielens-20m-dataset, https://www.kaggle.com/datasets/somnambwl/bookcrossing-dataset) и внутрикорпоративный анонимизированный датасет по рекомендациям из VK Group.