新的數(shù)字算法幫助科學(xué)家從多個來源連接數(shù)據(jù)點來解決高風(fēng)險問題

開源圖機學(xué)習(xí)庫StellarGraph今天發(fā)布了一系列新的網(wǎng)絡(luò)圖分析算法，以幫助發(fā)現(xiàn)數(shù)據(jù)中的模式，處理更大的數(shù)據(jù)集并在減少內(nèi)存使用的同時提高性能。

StellarGraph是澳大利亞國家科學(xué)機構(gòu)CSIRO的一部分，通過它的數(shù)據(jù)科學(xué)部門Data61。

欺詐和網(wǎng)絡(luò)等問題非常復(fù)雜，涉及來自多個來源的緊密關(guān)聯(lián)的數(shù)據(jù)。

數(shù)據(jù)科學(xué)家在處理連接數(shù)據(jù)時面臨的挑戰(zhàn)之一是，如何理解實體之間的關(guān)系，而不是在豎井中查看數(shù)據(jù)，以便更深入地了解問題。

團隊負(fù)責(zé)人蒂姆·皮特曼表示，解決重大挑戰(zhàn)需要比簡單算法更廣泛的背景。

“以網(wǎng)絡(luò)圖的形式獲取數(shù)據(jù)可以使組織了解他們試圖解決的問題的整個背景——無論是執(zhí)法、理解遺傳疾病還是欺詐檢測?！?/p>

StellarGraph庫提供了最先進的機器學(xué)習(xí)算法圖,裝備與工具來構(gòu)建數(shù)據(jù)科學(xué)家和工程師,測試和實驗與強大的機器學(xué)習(xí)模型在自己的網(wǎng)絡(luò)數(shù)據(jù),允許他們看到模式和幫助他們的研究應(yīng)用于各行業(yè)解決現(xiàn)實世界問題。

“我們已經(jīng)為數(shù)據(jù)科學(xué)家開發(fā)了一個強大的、直觀的圖形機器學(xué)習(xí)庫——它使最新的研究可以用于解決許多行業(yè)部門的數(shù)據(jù)驅(qū)動問題?！?/p>

CSIRO的Data61發(fā)布的1.0版本提供了三種新的算法，支持圖數(shù)據(jù)分類和時空數(shù)據(jù)，此外還提供了一種新的圖數(shù)據(jù)結(jié)構(gòu)，可以顯著降低內(nèi)存使用量，提高性能。

從時空數(shù)據(jù)的發(fā)現(xiàn)模式和知識越來越重要,有深遠(yuǎn)的影響等許多現(xiàn)實世界的現(xiàn)象交通預(yù)測,空氣質(zhì)量,甚至可能運動和接觸者追蹤的傳染性疾病的困擾適合深度學(xué)習(xí)框架,可以學(xué)習(xí)從收集的數(shù)據(jù)跨越空間和時間。

新的圖譜分類算法的測試包括利用訓(xùn)練圖譜神經(jīng)網(wǎng)絡(luò)來預(yù)測分子的化學(xué)性質(zhì)的實驗，這些進展有望使數(shù)據(jù)科學(xué)家和研究人員找到抗病毒分子來對抗感染，比如。

圖書館的廣泛能力和增強的性能是三年來提供可訪問的、前沿的算法的工作的頂峰。

Pitman先生說:“這次發(fā)布的新算法為需要解決的新問題打開了大門，包括欺詐檢測和道路交通預(yù)測。

“我們還簡化了庫的使用，并努力優(yōu)化性能，允許用戶處理更大的數(shù)據(jù)?！?/p>

StellarGraph已成功用于預(yù)測阿爾茨海默氏癥的基因,提供先進的人力資源分析和檢測比特幣ransomware, Data61研究的一部分,該技術(shù)是目前用來預(yù)測小麥人口特征基于基因組標(biāo)記導(dǎo)致改善基因組選擇策略來增加糧食產(chǎn)量。

該技術(shù)可應(yīng)用于工業(yè)、政府和研究領(lǐng)域的網(wǎng)絡(luò)數(shù)據(jù)集，并已開始探索將星圖應(yīng)用于復(fù)雜的欺詐、醫(yī)療圖像和運輸數(shù)據(jù)集。

調(diào)查性分析小組組長亞歷克斯·柯林斯(Alex Collins)說:“組織面臨的挑戰(zhàn)是如何從他們的數(shù)據(jù)中獲得最大的價值。使用網(wǎng)絡(luò)圖分析可以為高風(fēng)險、高影響的決策提供新的信息?！?/p>

StellarGraph是一個在TensorFlow2和Keras中構(gòu)建的Python庫，可以在StellarGraph的GitHub上免費獲得。