75%

4 में से 3 - यह कैसे बोस्टन कंसल्टिंग ग्रुप ने गैर-तकनीकी कारणों से मारे गए आईटी परियोजनाओं की हिस्सेदारी का अनुमान लगाया है।

प्रोजेक्ट मैनेजमेंट बॉडी ऑफ नॉलेज (PMBOK) के दो क्रमिक संस्करणों के लिए, हितधारक प्रबंधन प्रक्रियाओं को भाग्यशाली संख्या 13 के तहत ज्ञान के एक अलग क्षेत्र के रूप में गाया जाता है और इस पर विचार करने के लिए दृढ़ता से अनुशंसा की जाती है:

1. उनके बीच संबंध,
2. प्रभाव के केंद्र, साथ ही साथ
3. संचार की संस्कृति - सफलता की संभावना बढ़ाने के लिए।

प्रश्न एक:

^{फोटो: हैरान और भ्रमित के लिए शरीफ हमजा, मॉडल - लुपिता नियनगो}

रंगीन संख्याओं के मुद्दे पर रूसी गणित की हालिया बिना शर्त जीत के प्रकाश में, आइए हम सबसे आईटी परियोजनाओं की विफलता के कारण मशीन लर्निंग ग्राफ सिद्धांत के बीच तेजी से बढ़ती लोकप्रियता को लागू करने के परिदृश्य पर विचार करें। हम पहले ' नरम ' माने जाने वाले क्षेत्रों में अभिकलन के पूरी तरह से प्राकृतिक विज्ञान को लागू करते हैं। और हम दिखाएंगे कि कैसे आधुनिक मॉडल संगठन को परिवर्तन के युग में मापने की अनुमति देते हैं। समाधान की रणनीति - एक सरल, दो-चरण - हम हितधारक संबंधों का एक ग्राफ बनाते हैं, और इससे - हम तंत्रिका नेटवर्क को बंद कर देते हैं। और जब स्व-शिक्षण एल्गोरिदम जटिल प्रबंधन कार्य करते हैं, मानव कंधों के ढेर से प्रबंधकीय समस्याओं को दूर करते हैं - हम केक के साथ कॉफी पीते हैं।

सामग्री

कार्य और विफलता

व्यवसाय परिवर्तन परियोजनाएं, जैसे एसएपी कार्यान्वयन, अक्सर व्यावसायिक प्रक्रियाओं या संगठनात्मक संरचना को बदलते हैं। कई बार, दोनों सर्वोत्तम प्रथाओं की खोज में perevodnyayut हैं। हालांकि, वहाँ एक अति सूक्ष्म अंतर है। लोगों के बीच मौजूदा (यथास्थिति पूर्वाग्रह) का पालन व्यवसाय के परिवर्तन को चुनौती देता है - हम, एक प्रजाति के रूप में, संरक्षण और वृद्धि की तलाश करते हैं।

एक दिलचस्प तथ्य - लगभग 80% आबादी नवाचारों से खुश नहीं होगी [1]। बीसीजी रिपोर्ट करता है कि गैर-तकनीकी, तथाकथित 'नरम' कारणों के लिए चार में से तीन असफल सूचना प्रौद्योगिकी परियोजनाओं को लपेटा गया है। संगठनात्मक परिवर्तन प्रबंधन प्रथाओं का एक सेट है जो नए प्रतिरोध का अनुमान लगाता है। एसएपी पकाने की विधि - निरंतर सुधार [2] के सफल कार्यान्वयन और संक्रमण के लिए संचार, प्रेरणा, निर्णय लेने के अधिकार, और योग्यता का प्रबंधन करना आवश्यक है।

एक हालिया साक्षात्कार में, लियोनिद झुकोव (बीसीजी गामा में रूसी अभ्यास के निदेशक) ने नियम 10-20-70 का उल्लेख किया। मशीन लर्निंग शुरू करने की वास्तविक परियोजनाओं में, कुल समय का 10% एक परिकल्पना का परीक्षण करने और एक पर्याप्त मॉडल चुनने पर खर्च किया जाता है। एक उत्पादक (या फैशनेबल युवा DevOps) का कार्यान्वयन श्रम लागत का 20% खपत करता है। प्रयास के 70% परिवर्तन की आवश्यकता है।

^{VIDEO: यहां कार्यदिवसों के बारे में परामर्श के बारे में एक साक्षात्कार है जिसमें मैं विशेष रूप से पूल में एक हेलीकाप्टर के बारे में कहानी पसंद करता हूं}

एक अर्थ में, सफलता की शर्तों को असमानता ए + बी + सी> डी द्वारा व्यक्त किया जा सकता है, जहां ए मामलों की वर्तमान स्थिति से असंतोष का स्तर है, बी समस्या की सामान्य दृष्टि है, सी परिकल्पना का परीक्षण करने के लाभ हैं, और डी परिवर्तन के लिए आवश्यक प्रयास है। यह सरल है - ऐसी स्थितियां बनाएं जिसमें सूत्र सभी और सभी के लिए सत्य है - और परिवर्तन तेजी से फैलेंगे। ऐसा लगता है कि जीत आसान है, है ना?

हितधारक विश्लेषण परिवर्तन परियोजनाओं का दिल है। मुख्य कार्य उन व्यक्तियों और संगठनों को खोजना और पहचानना है जो परिवर्तनों से प्रभावित होंगे, या जो स्वयं हमारी परियोजना को प्रभावित कर सकते हैं। शक्ति और प्रभाव से हितधारकों की रैंकिंग एक आम बात है (कम से कम परियोजना प्रबंधन में खेलने वालों के बीच)। ऐतिहासिक रूप से, इस समस्या का समाधान समाजशास्त्रीय शोध परंपरा से प्राप्त मंथन और अन्य साधनों द्वारा किया गया था। कोई विश्वसनीय संख्यात्मक मैट्रिक्स नहीं थे। आज तक।

ग्राफ सिद्धांत में गणित में हालिया प्रगति ने इस मुद्दे को मापना संभव बना दिया है। सबसे पहले, हम समस्या को औपचारिक रूप से नामित करते हैं और गणितीय अंकन की विधि निर्धारित करते हैं, जिसका उपयोग हम भविष्य में करेंगे।

उद्देश्य:

दी गई संगठनात्मक संरचना और व्यावसायिक प्रक्रियाओं के अनुसार, जैसे-और शर्तों के अनुसार वर्णित किया जाता है, व्यक्तिगत परिवर्तन (परिवर्तन के लिए आवश्यक प्रयास) के पैमाने के अनुसार रैंक के हितधारकों को रैंक करें।

ऐसा करो

व्यापार मामले को रिश्तों और वर्कफ्लो के रूप में बताएं।

कई परिपक्व संगठन एक संरचित तरीके से प्रक्रियाओं का प्रबंधन करते हैं (कभी-कभी बाहरी आवश्यकताओं जैसे आईएसओ प्रमाणन को आगे बढ़ाते हैं)। अधिकांश उद्यमों के लिए, संगठनात्मक संरचना औपचारिक है। डेटा से मॉडल का निर्माण करने के परिणामस्वरूप, हम संबंधों का एक नेटवर्क प्राप्त करते हैं, जिसका हम विश्लेषण करेंगे।

समय के साथ तालमेल रखते हुए, हम IBCS मानक की भावना में शुरू किए गए बदलावों को चित्रित करेंगे, जो दावा करते हैं कि व्यापारिक चित्र के पैलेट में काले रंग का पूरा सरगम हो सकता है। बाईं ओर - स्थिति वैसी ही है, जैसी दाईं ओर - जैसी वह होगी। हितधारक संख्याबद्ध और जुड़े हुए हैं: संगठनात्मक संरचना की पतली रेखाएं, और वर्कफ़्लो के तीर। # 9 के लिए नेतृत्व का परिवर्तन अधीनस्थ संबंध को 4-9 के रूप में स्थिति में तोड़कर दिखाया गया है, और जैसे-जैसे के लिए एक नया 5-9 संबंध है।

कल्पना कीजिए कि हमें मेंढक पेपे की मदद करनी है। दूसरी कंपनी में एक खिलाड़ी - एक कंपनी में emasculating sepules की प्रक्रिया को बदलकर अपने वरिष्ठों द्वारा लोड किया गया।

के रूप में मामलों की स्थिति का वर्णन है, लेकिन कैसे-के साथ यह नहीं होगा कि एक आपदा है, लेकिन पसंद की पीड़ा। दोनों पुस्तकों को पढ़ा गया और सम्मेलनों में भाग लिया, और यहां तक कि एक बाजार के नेता और प्रतिष्ठित परामर्श कंपनियों के लॉरेल उम्मीदवार के कई मामलों का अध्ययन किया गया। अन्य लोगों के अनुभव को अपने व्यवसाय में स्थानांतरित करना एक और काम है।

एन के बाद, नहीं, इसे बेहतर एम स्लीवलेस नाइट्स होने दें, दृष्टि दो वेरिएंट में क्रिस्टलीकृत होगी जैसा कि यह होगा। यहां, कहानी को अधिक रंगीन बनाने के चमकदार लक्ष्य द्वारा विशेष रूप से निर्देशित किया जाता है, हम IBCS मानक की आवश्यकताओं से दूर जाते हैं और रंग जोड़ते हैं। जैसा कि है, हम दुखी हैं, इसलिए, हम इसे लाल रंग में चित्रित करेंगे, और जैसा कि यह होगा - क्रमशः हरे और पीले रंग में।

कॉलम निर्दिष्ट है $जी = (वी, ई)$ - यह एक गणितीय मॉडल है - कई सेट - जोड़ीदार संबंध, जिन्हें किनारों (बांड, मेहराब) कहा जाता है और जैसा कि दर्शाया गया है $e_ {ij}$ दो कोने (नोड्स) के बीच किसी भी मौजूदा कनेक्शन के लिए $v_ {i}$ और $v_ {j}$ । दोनों कोने और किनारों में गुण हो सकते हैं (उदाहरण के लिए: उपयोगकर्ता प्रोफ़ाइल, संचार शक्ति या इसका प्रकार)।

क्या पढाई करनी है?

नेटवर्क में कनेक्शन की प्रकृति सिस्टम के व्यवहार को निर्धारित करती है - एक पूरे के रूप में, और इसके घटक - यह उस स्थिति का वर्णन करने वाले ग्राफ के किनारों है जो इकाइयों को जोड़ते हैं, लोड वितरित करते हैं, या संरचनात्मक तनाव जोड़ते हैं। हम यथासंभव अधिक से अधिक संबंधों की खोज करने का प्रयास करेंगे। संगठनात्मक संरचना और व्यावसायिक प्रक्रियाएँ जैसे-जैसे और जैसे-जैसे शर्तों के लिए वर्णित होती हैं, वह न्यूनतम मात्रा में जानकारी होती है, जिसके साथ हमारा मॉडल पेशेवर व्यक्ति के स्तर पर निर्णय लेता है।

कैसे करें उपाय

डेटा विश्लेषण हमेशा एसएपी के संगठनात्मक परिवर्तन पद्धति का एक महत्वपूर्ण हिस्सा रहा है। संगठन की संरचना, प्रक्रियाओं और हितधारकों का अध्ययन आम है। उस वातावरण का अध्ययन जिसमें परिवर्तन हो रहे हैं (या मैं करना चाहूंगा) दशकों से क्षेत्र में है। उदाहरण के लिए, बीसीजी व्यवसाय परिवर्तन में 50 साल के अनुभव का दावा करता है। और रोजर्स के मौलिक काम (नवाचारों का प्रसार) का पहला संस्करण, जिसमें से सभी आधुनिक परिवर्तन प्रबंधन पद्धतियां बढ़ीं, 1962 में वापस प्रकाशित हुईं।

नया केवल अंकगणित है।

जीव विज्ञान (ग्राफ न्यूरल नेटवर्क) से प्रेरित एल्गोरिदम का परिवार हमारे लिए एक नया मज़ेदार बीजगणित खोलता है - हम कनेक्शन की प्रकृति के बारे में बात करने और एक ऐसे स्थान पर गणना करने का अवसर प्राप्त करते हैं जिसमें हम उच्च सटीकता के साथ संरचनाओं की समानता को माप सकते हैं।

व्यापार का मामला

हम ग्राफ के शीर्षों को संख्याबद्ध करते हैं और संगठनात्मक परिवर्तनों को पूरा करने में अच्छी तरह से शिक्षित पेशेवरों की तरह सोचने की कोशिश करते हैं। आइए हम व्यक्तिगत रूप से संगठन के प्रत्येक सदस्य के लिए परिवर्तनों के पैमाने का मूल्यांकन करें। एक उदाहरण के रूप में, कैंडिंस्की की भावना में मोज़ाइक से सजाए गए शीर्ष # 7 को लें।

एक हिस्सेदार को छोड़ दिया, परेशान नहीं हुआ। के रूप में प्रक्रिया में भाग लिया है। और उसके पास सबमिशन में तीन थे। दो - प्रत्यक्ष में: # 8 और # 9, और अधीनस्थ # 10 का एक और अधीनस्थ।

इनोवेटर्स आए हैं।

उन्होंने सुझाव दिया कि तीन में से दो (# 8 और # 10) निकाले जाएं। बदले में - आसन्न विभाग में एक और फ्रेम # 11 जोड़ें। और सीपल्स को उत्सर्जित करने की प्रक्रिया को एक नए तरीके से पुनर्गठित किया जाता है। नई अद्भुत दुनिया में काम का प्रवाह नए भागीदार # 6 द्वारा शुरू किया जाता है - पहले यह अपने नेता # 3 द्वारा किया गया था।

विकल्प 1:

हमारे हितधारक अप्रत्यक्ष रूप से इस प्रक्रिया में शामिल होंगे - केवल शेष अधीनस्थ # 9 नौकरी के साथ आए - उन्होंने पहले एक और ऑपरेशन किया (अब यह हितधारक # 4 द्वारा किया जाएगा)।

विकल्प 2:

हितधारक प्रक्रिया में पहला ऑपरेशन करना जारी रखेगा, और दूसरा - अधीनस्थ # 9 के बजाय - अपने बॉस # 4 द्वारा किया जाएगा।

इस प्रकार प्रत्येक व्यक्ति के लिए परिवर्तनों की प्रकृति का विश्लेषण करने के बाद, परिवर्तन के पैमाने के बारे में कुछ निष्कर्ष निकालना पहले से ही संभव है। यहां पाठक को एक विकल्प के साथ सामना करना पड़ता है: व्यायाम स्वयं करें, या एक पूर्ण मामले के अध्ययन के लिए शीघ्र पहुंच का अनुरोध करें।

आमतौर पर के बाद $N ^ 3$ पुनरावृत्तियों, संगठनात्मक परिवर्तन में एक अच्छी तरह से शिक्षित पेशेवर प्रत्येक हितधारक के लिए परिवर्तन के पैमाने का पर्याप्त मूल्यांकन देने में सक्षम है, और उनके अनुसार रैंक करता है, जहां $एन$ - हितधारकों की संख्या। एक महान पेशेवर प्रबंधन करेगा $N ^ 2 लॉग (N)$ । एक उत्कृष्ट रचनात्मक व्यक्ति, जो सभी बीमारियों को जोड़ने के लिए एक सूत्र के साथ आया था, कुछ प्रकार के संख्यात्मक अनुमानों को दे रहा है, और इसके अलावा, जो जानता है कि एक्सेल में कैसे छंटनी की जाती है, आम तौर पर विषमता से संपर्क करने का हर मौका होता है $N ^ 2$ ।

माना एनालॉग अनुमान पद्धति का एक विकल्प आधुनिक गणित का उपयोग होगा।

tre

विकल्प 1. प्रक्रिया और संरचना में बदलाव का पैमाना। मॉडल की वास्तुकला: दृढ़ संकल्प की दो परतें, कनेक्टिविटी का एक सममित मैट्रिक्स, सक्रियण - रैखिक रूप से। दूरी कोसाइन है।

जैसा कि आप आसानी से देख सकते हैं, संगठन # 8 और # 10 (हटाए गए) और # 11 (जोड़ा) संगठन की संरचना में परिवर्तन के पैमाने पर उच्चतम रेटिंग प्राप्त करते हैं। # 9 और # 5 लगभग समान ग्रेड प्राप्त करते हैं - पहला अधीनस्थ खो देगा, दूसरा लाभ प्राप्त करेगा। हम कह सकते हैं कि मॉडल का मानना है कि एक कर्मचारी के बिना होना एक नए के साथ थोड़ा खराब है। पदानुक्रम के शीर्ष # 0, # 1, और # 2 के लिए, स्थिति लगभग अपरिवर्तित बनी हुई है। ध्यान दें कि # 2 के लिए, थोड़ा अंतर ध्यान देने योग्य है - संरचना में सभी परिवर्तन इसके अधीनस्थों के बीच होते हैं।

परिवर्तन के परिदृश्य की तुलना करें। परिणाम की व्याख्या में आसानी के लिए, हम एक समान संगठनात्मक संरचना का उपयोग करते हैं, जो दोनों प्रक्रिया विकल्पों के लिए है।

बेस केस - हम केवल संरचनात्मक परिवर्तनों का मूल्यांकन करते हैं। व्यक्तिगत डेटा का उपयोग नहीं किया जाता है। आम तौर पर। संगठनात्मक संरचना और प्रक्रियाओं। और वह यह है।

व्यक्तिगत डेटा के साथ और अधिक मज़ा। हर लिहाज से।

विधि स्प्रिंग्स की बहुलता से जुड़े द्रव्यमान की बहुलता से एक भौतिक प्रणाली का अवलोकन करने के समान है - जब कनेक्शन पैटर्न बदलता है या तनाव बल बदलते हैं, तो वस्तुएं अंतरिक्ष में स्थिति बदलती हैं। हम राज्यों के बीच बदलाव के आधार पर व्यक्तिगत परिवर्तनों के पैमाने का आंकलन करते हैं। और हम इस बदलाव को अंतराल [0,1] पर मापते हैं, जहां किसी भी परिवर्तन की अनुपस्थिति शून्य से मेल खाती है (जैसे-जैसे और जैसा होता है, राज्यों की पूर्ण समानता), और इकाई - अधिकतम संभव परिवर्तन।

मुझे बताएं कि आपका दोस्त कौन है (या कन्वेंशन ग्राफ के यांत्रिकी)

परिवर्तन के पैमाने को मापने के लिए एक दृष्टिकोण यह विश्लेषण कर सकता है कि किसी व्यक्ति के लिए वातावरण कितना बदल जाएगा - जिसमें शामिल है, लेकिन इसके लिए सीमित नहीं है: अधीनता / नियंत्रण संबंधों, कार्य प्रक्रिया का एक विनिर्देश, या एक लेनदेन इंटरफ़ेस - यह सब एम्स्टर्डम से नए अंकगणित द्वारा अनुमत है।

उसके काम के यांत्रिकी पर विचार करें।

अंतर्ज्ञान: दूसरों के गुण व्यक्ति को निर्धारित करते हैं।

प्रत्येक कर्मचारी के लिए, हम सहयोगियों के बारे में जानकारी एकत्र करते हैं और इसे एक तंत्रिका नेटवर्क (एग्रीगेटर) के माध्यम से पारित करते हैं। नतीजतन, हमें एक प्रतिनिधित्व (एक बहुआयामी स्थान में निर्देशांक) मिलता है जो प्रत्येक के लिए सिस्टम में सापेक्ष स्थान को दर्शाता है। एक अर्थ में, प्रक्रिया सभी कनेक्शन और गुणों को सीखने के लिए एक व्यक्ति के प्रयास से मिलती-जुलती है, और फिर कुछ सीखा हुआ भूल जाती है।

परिवर्तन का पैमाना राज्यों के लिए परिणामी निरूपणों के बीच की दूरी है, जैसा कि है, जैसा कि है।

सामाजिक शिक्षण का सिद्धांत बताता है कि हम सहकर्मियों के व्यवहार को देखकर सीखते हैं, और इसकी आदत डाल लेते हैं। व्यावसायिक परिवर्तन रिश्तों की प्रकृति को बदल रहा है और पर्यावरण हिल रहा है। को राहत देने की जरूरत है। हम इस परिवर्तन को मनोवैज्ञानिक जलवायु में मापेंगे (यह मानते हुए कि हमने पहले ही कर्मचारियों की रूपरेखा बना ली है और हमारे पास डेटा है)।

व्यक्तिगत परिवर्तनों के पैमाने की जगह में, सब कुछ इस तरह दिखता है:

जैसा कि आप देख सकते हैं, प्रोफाइलिंग डेटा को जोड़ने से मॉडल का रिज़ॉल्यूशन बढ़ गया है - अब हम न केवल संरचनाओं और प्रक्रियाओं के परिवर्तन, बल्कि प्रतिभागियों की सुविधाओं को भी ध्यान में रखते हैं।

प्रक्रिया को बदलने का पहला विकल्प # 7 को सबसे अधिक प्रभावित करेगा। विकल्प सबसे अधिक # 9 को प्रभावित करेगा। दोनों विकल्पों का वर्टिकल # 3 और # 6 पर लगभग समान प्रभाव होगा - उनके बीच प्रक्रिया आरंभकर्ता की भूमिका हस्तांतरित की जाएगी। आधार मामले की पहचान, पदानुक्रम के शीर्ष (# 0, # 1, और # 2) परिवर्तन को थोड़ा प्रभावित करते हैं।

इस प्रकार, एक ग्राफ़ कंफ्यूजेशनल न्यूरल नेटवर्क का उपयोग करते हुए, हमने अपने तत्काल वातावरण में व्यावसायिक परिवर्तन के पैमाने के अनुसार हितधारकों को स्थान दिया।

परिणाम मूल्यांकन के करीब है कि संगठनात्मक परिवर्तन के क्षेत्र में एक अच्छी तरह से प्रशिक्षित और बहुत महंगा विशेषज्ञ देगा।

यह सब पहले से ही संगठन और व्यापार प्रक्रियाओं की संरचना पर न्यूनतम जानकारी के साथ संभव है। व्यक्तिगत डेटा की एक छोटी राशि को जोड़ने से विधि का संकल्प बढ़ गया। जाहिर है, अधिक डेटा जोड़ने से हमें आगे की प्रगति की उम्मीद है।

खूबसूरत मॉडल्स का लाल कोना

इस प्रकाशन में विचार के तरीके रैंकिंग हितधारकों के कार्य के संदर्भ में एक शिक्षक के बिना सीखने से संबंधित हैं - हम पैटर्न की पहचान करने और किसी तरह उनके बारे में बात करने की कोशिश कर रहे हैं। भविष्य को देखते हुए, मैं ध्यान देता हूं कि बड़ी बहुराष्ट्रीय कंपनियों के पास पहले से ही डेटा सेट हैं जो उन्हें एक शिक्षक के साथ प्रशिक्षण लागू करने की अनुमति देते हैं। इसलिए, फ्री लंच प्रमेय को याद करते हुए, मैं तरंगों जैसे कि ग्राफलेट्स का वर्णन करने के लिए वैकल्पिक तरीकों को संक्षेप में याद करूंगा, जो शोधकर्ताओं के लिए उपयोगी हो सकते हैं।

एक साल पहले, जब उन्होंने ग्राफ एम्बेडिंग में कहां और कैसे कटौती की , इसके बारे में लिखा, प्रकाश की आवश्यकता वाले दृश्यों के पीछे कुछ मॉडल बने रहे - वे बहुत अच्छे थे:

छंद - यहाँ है गितुब

जैसा कि आप शायद याद करते हैं, ग्राफ एम्बेडिंग विधियों की पहली लहर यादृच्छिक चलता था। ग्रह के सर्वश्रेष्ठ दिमागों ने प्रतिस्पर्धा की कि ट्रम्प को स्थानांतरित करने के लिए सबसे अधिक अभिव्यंजक रणनीति के साथ कौन आएगा। और हमने दो चोटियों के एक ही मार्ग में गिरने की संभावना के लघुगणक को अनुकूलित किया। विचार इस सवाल को अधिक व्यापक रूप से देखने और सामान्य रूप से संभाव्यता वितरण का अध्ययन करना है। एक ढेर के बजाय एक पैरामीटर, लिंक भविष्यवाणी की समस्या में SOTA, और एक प्रभावशाली रूप से तैयार नुकसान समारोह।

लेखक के पास कई दिलचस्प परियोजनाएं भी हैं, जिनमें से एक अद्भुत मॉडल बनाया गया था । बस के मामले में, मैं ध्यान देता हूं कि उस प्रोग्राम का नाम जो ग्राफ के रूप को सुनने के लिए स्पष्ट रूप से दिखाता है और स्पष्ट रूप से जोखिमपूर्ण प्रथाओं और स्वस्थ जीवन शैली का पालन करने के लिए एक कॉल के संबंध में एक नकारात्मक स्थिति व्यक्त करता है।

ग्राफ कन्वेंशन नेटवर्क

सरल सब कुछ सरल है। पर्यावरण द्वारा चयन करने के बजाय, हम सभी पड़ोसियों के गुणों को एकत्र करते हैं। और मेरा भी। यह ग्राफ़ का वर्णन करने वाले मैट्रिक्स को गुणा करके लागू किया जाता है - कोने और कनेक्टिविटी की संशोधित डिग्री और कोने के गुण। सामान्य शब्दों में, प्रत्येक परत के लिए, परिवर्तन इस प्रकार लिखा जाता है:

$H ^ {(k + 1)} = ड्रॉपआउट \ {ReLU [(D + I) ^ {- +} (A + I) (D + I) ^ {- ½} H ^ {(k)} W ^ {(k)}]}},$

जहां:

$ड्रॉपआउट$ - अनियमित रूप से चयनित मापदंडों को शून्य करके नियमितीकरण - वही "भूल", Google द्वारा पेटेंट कराया गया,
$रेलू$ - अरेखीय सक्रियण कार्य $f (x) = अधिकतम (0, x)$ ।
$डी$ - कोने की डिग्री के विकर्ण मैट्रिक्स (लिंक की संख्या),
$मैं$ - इकाइयों के विकर्ण मैट्रिक्स,
$ए$ - कनेक्टिविटी मैट्रिक्स,
$H ^ {(k)}$ - पिछली एकत्रीकरण परत से संकेत, $H ^ {(0)} = X$ जहाँ $X$ - शीर्ष गुण के मैट्रिक्स,
$W ^ {(k)}$ - तंत्रिका नेटवर्क की k- वीं परत का वजन, जो हम कर सकते हैं:

एक शिक्षक के साथ शिक्षण मोड में जानें;
बेतरतीब ढंग से चयनित मूल्यों के साथ भरें;
फेंक (इस का कार्य थोड़ा रैखिक हो जाएगा)।

काम के यांत्रिकी की विस्तार से लेखक ने खुद यहां जांच की। इसके अलावा, कदम से कदम और उदाहरण के साथ, विधि यहां भी माना जाता है ।

अपनी सादगी में सुंदर, यह मॉडल उत्कृष्ट परिणाम दिखाता है। Iggisv9t से तीन पंक्तियों में वर्ग कोष्ठकों में अधिकांश अभिव्यक्ति के लिए एक कार्यान्वयन विकल्प रखें:

 D = sparse.csgraph.laplacian(A, normed=True) shape1 = X.shape[1] X = np.hstack((X, (D @ X[:, -shape1:])))

साल का स्निपेट, मेरी राय में।

चैट में उन्होंने एक द्विदलीय ग्राफ के लिए इस तरह के कनवल्शन का उपयोग करने के विकल्प पर चर्चा की, और तैयार पाठक यहां RolX एल्गोरिथ्म, डबल के साथ समानताएं देखेंगे। तीन लाइनों में।

^{फोटो: क्रेमलिन में किसी के लिए क्रेमलिन में बनाया गया मॉडल - फिदेल एलेजांद्रो कास्त्रो रूस}

यह देखते हुए कि ग्राफ के दृढ़ीकरण की पृथक्करण क्षमता डब्ल्यूएल समरूपता परीक्षण के समान है, साथ ही तथ्य यह है कि नॉनलाइनियर सक्रियण के साथ एकल-परत तंत्रिका नेटवर्क की सामान्यीकरण क्षमता अविश्वसनीय है (दोनों कथनों को कड़ाई से साबित किया गया है), जटिल प्रणालियों का अध्ययन करने के लिए एक बहुत ही आकर्षक उपकरण प्राप्त होता है।

यह ध्यान देने योग्य है कि विरल मैट्रेस पर विधि को लागू करना उचित है - मेमोरी में लाप्लासियन को फिट करना आसान है, और कभी-कभी एकमात्र तरीका। यदि बिल्कुल आलस्य - कनवर्टर VERSE रिपॉजिटरी में है। और जब से आपको बहुत बड़े रेखांकन के क्षेत्र में लाया जाता है, तब यहाँ माना जाने वाला ग्राफ़सेज़ अभी भी प्रासंगिक बना हुआ है।

पूर्वगामी का सारांश

परिवर्तन का पैमाना राज्यों के बीच की दूरी है-जैसा और जैसा है वैसा।

यह दूरी व्यक्तिगत डेटा के उपयोग के बिना अनुमानित है।

व्यक्तिगत डेटा जोड़ने से मॉडल में सुधार होता है।

संगठन की संस्कृति (जो नाश्ते की रणनीति खाती है) का वर्णन करने की कोशिश करना कुछ ऐसा है जैसे दीवार के खिलाफ जेली का एक टुकड़ा (या एक ग्लोब पर उल्लू को खींचना) - व्यापार परिवर्तन को साकार करने के लिए चरणों का एक सार्वभौमिक सेट खोजना एक और काम है। हम सभी जानते हैं कि लोग बदलाव का विरोध करेंगे। प्रत्येक स्थिति अपने तरीके से अद्वितीय है और स्थानीय सम्मेलनों और वास्तविकताओं की समझ की आवश्यकता है।

^{: . 0-30 — #8 #9. 31-40 — #8. - 40 . #9 #5 41 50. - 7-4-5-2 1:00 1:11. - 1:18 1:35. #7}

:

1)
2)
3)

, , , . , .

, , — — , . , ( ) , , .

निष्कर्ष

( ) . — — .

. . — - — SAP.

, . .

साहित्य

[1] Diffusion of Innovations, Fifth Edition, Rogers, 2003 (1962)
[2] Organizational Change Management in SAP Projects, Rothenpieler, SAP, 2009
[3] TRANSFORMATION Delivering and Sustaining Breakthrough Performance, Fæste and Hemerling, BCG, 2016
[4] Overcoming Resistance to Organizational Change: Strong Ties and Affective Cooptation, Battilana & Casciaro, 2013
[5] Inductive Representation Learning on Large Graphs, Hamilton & Ying, 2017
[6] Semi-Supervised Classification with Graph Convolutional Networks, Kiph & Welling, 2017
[7] A Guide to the Project Management Body of Knowledge (PMBOK Guide), PMI, 2017
[8] International Business Communication Standards (IBCS), Hichert & Faisst, 2017

, !

, , .

— . RolX ( , cs224w 2018 ) .

— RolX , .

— !

 , , ? , ,  ?

^{: Pirelli, —}

  -  , ( )  2 ,  53 .

संगठनात्मक परिवर्तन के संरचनात्मक मॉडलिंग के बारे में

75%

प्रश्न एक:

सामग्री

कार्य और विफलता

उद्देश्य:

ऐसा करो

क्या पढाई करनी है?

कैसे करें उपाय

व्यापार का मामला

मुझे बताएं कि आपका दोस्त कौन है (या कन्वेंशन ग्राफ के यांत्रिकी)

खूबसूरत मॉडल्स का लाल कोना

छंद - यहाँ है गितुब

ग्राफ कन्वेंशन नेटवर्क

$H ^ {(k + 1)} = ड्रॉपआउट \ {ReLU [(D + I) ^ {- +} (A + I) (D + I) ^ {- ½} H ^ {(k)} W ^ {(k)}]}},$

पूर्वगामी का सारांश

:

निष्कर्ष

साहित्य

— !

More articles:

संगठनात्मक परिवर्तन के संरचनात्मक मॉडलिंग के बारे में

75%

प्रश्न एक:

सामग्री

कार्य और विफलता

उद्देश्य:

ऐसा करो

क्या पढाई करनी है?

कैसे करें उपाय

व्यापार का मामला

मुझे बताएं कि आपका दोस्त कौन है (या कन्वेंशन ग्राफ के यांत्रिकी)

खूबसूरत मॉडल्स का लाल कोना

छंद - यहाँ है गितुब

ग्राफ कन्वेंशन नेटवर्क

H ^ {(k + 1)} = ड्रॉपआउट \ {ReLU [(D + I) ^ {- +} (A + I) (D + I) ^ {- ½} H ^ {(k)} W ^ {(k)}]}}, H ^ {(k + 1)} = ड्रॉपआउट \ {ReLU [(D + I) ^ {- +} (A + I) (D + I) ^ {- ½} H ^ {(k)} W ^ {(k)}]}},

पूर्वगामी का सारांश

:

निष्कर्ष

साहित्य

— !

More articles:

$H ^ {(k + 1)} = ड्रॉपआउट \ {ReLU [(D + I) ^ {- +} (A + I) (D + I) ^ {- ½} H ^ {(k)} W ^ {(k)}]}},$