Теория графов и нейронные сети в распознавании объектов — в чем преимущество графов?
Доброго дня! Получил задание расписать преимущества теории графов перед нейронными сетями в распознавании объектов.
Копаюсь - пока нашел лишь то, что нейронные сети необходимо все время обучать для достижения высокоточных результатов, а так же их работа завязана на мощной технической части, тогда как графы менее ресурсоемкие и лучше подходят для задач малого и среднего размера.
То есть для пункта "привести доказательства" мало что готово, посему прошу помощи - какие ресурсы стоит использовать, статьи, книги, лекции?
Заранее спасибо!
Первый раз слышу, чтобы какой-то граф распознал образ.
А вот нейронные сети через свёрточные фильтры, внимание (attention) и трансформеры нормально справляются.
Как только вам предоставят доказательства превосходства графов над нейросетями, вы легко ответите, почему.
В действительности, нейросеть - это и есть большой граф. Поэтому говорить о преимуществах графов над графами некорректно.
Не так хорошо владею вопросом как Вы, очевидно, потому не понял, как можно использовать в ответе то, что написали выше. Просить ответ на вопрос в лоб глупо, думаю, но пока иных идей нет
Да, нейросеть ещё нужно обучить и всё такое, но в результате нейросеть в любом случае выдаст некий финальный граф, который и будет распознавать объекты.
То, что вы подразумеваете под теорией графов, похоже, статический захардкоженный человеком граф без машинного обучения. Но я не могу гадать на кофейной гуще.
