Redes Neurais de Grafos no Contexto das Cidades Inteligentes

Abstract

Graph neural networks, also known as GNNs, have been applied to solve problems in different domains, such as biology, chemistry, physics, natural language processing, computer vision, economics, among others. In particular, this class of neural network has been shown to be effective in modeling problems related to smart cities, such as traffic prediction; urban function classification of elements such as points of interest, roads and regions; forecasting the spread of diseases; autonomous agents; anomaly detection, among other activities. The objective of this chapter is to present the theoretical and practical foundations of graph neural networks in the context of smart cities. For this, the following topics are presented: types of tasks performed, taxonomy of GNNs layers, concepts, commonly used architectures, problems related to smart cities, modeling for the transformation of raw data to the graph structure and GNN structure, in addition to the implementation a model in practice. ResumoRedes neurais de grafos, também conhecidas como Graph Neural Networks (GNNs), têm sido aplicadas para resolver problemas em diferentes domínios, como biologia, química, física, processamento de linguagem natural, visão computacional, economia, dentre outros. Em particular, essa classe de rede neural tem-se mostrado eficaz na modelagem de problemas relacionados às cidades inteligentes, como predição de tráfego; classificação de função urbana de elementos como pontos de interesse, estradas e regiões; previsão de disseminação de doenças; agentes autônomos; detecção de anomalia, dentre outras atividades. O objetivo deste capítulo é apresentar os fundamentos teóricos e práticos das redes neurais de grafos no contexto das cidades inteligentes. Para isto, são apresentados os seguintes tópicos: tipos de tarefas realizadas, taxonomia das camadas GNNs, conceitos, arquiteturas comumente utilizadas, problemas relacionados