GraphOmakase
드디어 GUG 7회차 세미나가 개최됩니다. 어렵사리 연사분들, 장소를 대관하느라 오래걸렸네요. 오마카세 식구분들에게 우선 이 소식을 전달하고 싶어 선공개합니다. 한정된 인원들만 참여가 가능하다보니, 신상이 불분명하신분들은 부득이하게 참여가 어려우실 수도 있습니다. 신청시에, 되도록 소속을 명확히 기입해주시면 감사하겠습니다. 추가로 정말 꼭 참여를 해보고 싶다 하신분들은 graphusergroup@gmail.com 으로 메일을 전달해주시면, 우선으로 자리를
GraphOmakase
Graph Learning Will Lose Relevance Due To Poor Benchmarks paper link : https://arxiv.org/pdf/2502.14546 * ICLR 2025의 Position paper로 제출된 제목부터 상당히 흥미로운 주제를 다루는 논문을 이번주 오마카세로 소개해드리고자 합니다. 그래프 거장 선생님들께서 대다수 참여하신 프로젝트인 만큼, 독자 여러분들께서는 다음 논문을 꼭 정독해보시는 것을 추천드립니다. * 그래프 학습은 2022년
AI Agents on Knowledge Graphs to answer multihop questions blog link : https://www.dynocortex.com/news-and-blog/ai-agents-on-knowledge-graphs-to-answer-multihop-questions/ youtube link : https://youtube.com/watch?v=1rLBec8Kcq8&si=UsLZoweyNotrJgmz * 그래프 중심 생성형 AI 소프트웨어를 제공하는 Dynocortex 라는 기업에 대해 들어보신 적 있으신가요? 저도 최근에 알게 되었는데요. 회사 설명을 읽어보면 AI Reliability
GraphOmakase
Affordable AI Assistants with Knowledge Graph of Thoughts paper link : https://arxiv.org/abs/2504.02670 * 지식 그래프(KG)와 LLM 추론을 통합하는 혁신적인 AI 어시스턴트 아키텍처, KGot (Knowlede Graph of Thoughts)를 소개하는 논문을 전달해드리고자 합니다. 최근 LLM 논문에서 다양하게 찾아볼 수 있는 그래프, 특히 KG의 강세가 크게 체감되는
* 안녕하세요, 독자 여러분들. 날씨가 많이 풀려서 이제야 봄이 온 것 같은 기분이 듭니다. 날씨가 풀릴 때에 맞추어 어느덧 4월 마지막 주차 오마카세를 발행하게 되었는데요. * 이번주는 3곳의 유명한 기업 사이트에서 공개한 그래프 관련한 블로그를 공유드리고, 내용을 가볍게 정리해서 전달해드릴까 합니다. 관심 있으신 독자 여러분들께서 직접 사이트에 방문하셔서 읽어보시고 많은 인사이트 얻어가셨으면
GraphOmakase
Graphcode : Learning from multiparameter persistent homology using graph neural networks paper link : https://arxiv.org/abs/2405.14302 * 지속성 호몰로지(Persistent Homology)라는 개념과 그래프 이론과의 밀접한 관련에 정말 관심이 많습니다. "어떻게 데이터 구조의 지속성 (persistence) 특징을 그래프로 표현하여 신경망 학습을 효율적으로 디자인할 수 있을까?" 가 저의 최근
GraphOmakase
On Vanishing Gradients, Over-Smoothing, and Over-Squashing in GNNs: Bridging Recurrent and Graph Learning paper link : https://arxiv.org/abs/2502.10818 * 오마카세에서 여러번 다루었던 주제로, 그래프 신경망의 대표 학습 메커니즘인 메세지 전달 방법의 한계점을 심층적으로 분석하는 논문을 가볍게 리뷰해보고 해당 논문에서 강조하는 핵심 인사이트를 전달해드리고자 합니다. 좋은 참고가 되었으면 좋겠습니다.
GraphOmakase
Pre-training Enhanced Spatial-temporal Graph Neural Network for Multivariate Time Series Forecasting paper link : https://arxiv.org/abs/2206.09113 * 참여 프로젝트 중 시계열 데이터 분석 관련하여 그래프를 활용해보고자 하는 좋은 기회를 부여받아서, 해당 도메인 상에서 정말 유명한 위 논문을 읽고 요약하여 여러분들께 전달해드려보고자 합니다. * 다변량 시계열 (Multivariate Time Series) 예측을
GraphOmakase
A Generalization of the Persistent Laplacian to Simplicial Maps paper link : https://arxiv.org/abs/2302.03771 Key Contents * What is Simplicial Maps? * What is Persistent Laplacian? * Persistent Laplacian for Simplicial Maps (Generalization) * 이번 주는 오랜만에 토폴로지 관점에서 그래프 상의 고차 관계성 (Higher-order relationship)을 분석하고 최적화하는 방법 관련한 이론적
GraphOmakase
Vision GNN (ViG) 연구 흐름 및 발전 요약 및 핵심 정리 목차 * Vanilla Vision GNN (Vanilla ViG) * Vision HGNN * MobileViG & V2 * GreedyViG * WiGNet * 이번 주 오마카세에서는 이미지 분류, 객체 탐지 및 분할 등과 같은 다양한 컴퓨터 비전 태스크에서 GNNs의 적용 가능성을 입증한 기여도 높은 논문들과 학습 메커니즘의 발전 및
GraphOmakase
Recommended Weekly Paper list * 이번 주 오마카세는 개인적으로 넓은 스펙트럼 도메인으로 리스트업하고 있는 그래프 관련 논문들 중 시간되실 때 한번 쯤 읽어보시면 좋을만한 것들을 공유드리면서 가볍게 마무리하고자 합니다. * 최신 ICLR 2025 accepted papers & respective categories 등을 포함하여 분야 불문하고 다양한 범주의 그래프 관련한 인사이트를 위해 이번 주에 제가 읽어본
GraphOmakase
Gradformer:The Graph Transformer enhances self-attention by graph structure Inductive Bias paper link : https://arxiv.org/abs/2404.15729 * 그래프 트랜스포머 모델의 학습 아키텍처와 관련한 재밌는 논문을 하나 소개해드리고자 합니다. 논문 이름 그대로 노드 간 장거리 종속성을 잡아주는 어텐션 메커니즘이 그래프의 inductive bias까지도 추가 반영할 수 있는 새로운 메커니즘을 소개하고