加州伯克利博士:基于隐模型的图神经网络设计 | NeurIPS 2020论文分享
Posted AI科技评论
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了加州伯克利博士:基于隐模型的图神经网络设计 | NeurIPS 2020论文分享相关的知识,希望对你有一定的参考价值。
近年来,人们对深度学习方法在图上的扩展越来越感兴趣。在多方因素的成功推动下,研究人员借鉴了卷积网络、循环网络和深度自动编码器的思想,定义和设计了用于处理图数据的神经网络结构,由此出现了一个新的研究热点——“图神经网络(Graph Neural Networks,GNN)”。图神经网络在计算机视觉、基于图的推荐系统、交通路线规划、化学分子的图结构等等领域有着广泛的应用前景。但是现有的图神经网络发展也存在着诸多不足,仍需要这一领域的专家学者们进行深入探索。
本周六上午11点,我们特别邀请到远在加州大学伯克利分校的顾方达博士,作客AI研习社NeurIPS 2020系列论文解读直播间,为大家详细介绍他被收录的论文情况。嘉宾分享完还有问答环节,欢迎大家积极参与讨论,一起探讨《基于隐模型的图神经网络设计》。
分享主题:
《基于隐模型的图神经网络设计》
分享时间:
2020年12月5日(周六)11:00-12:00
分享嘉宾:
▲顾方达
加州大学伯克利分校二年级博士生,导师Laurent El Ghaoui。主要研究方向为隐模型(Implicit Model),机器学习模型和优化方法。
分享背景
分享提纲
1.图神经网络背景和长程依赖关系;
2.隐图神经网络模型;
3.模型的适定问题和训练;
4.隐图神经网络的实验验。
https://arxiv.org/abs/2009.0621
SwiftieH/IGNN: Implicit Graph Neural Networks (github.com
AI研习社直播间:https://live.yanxishe.com/room/887
Bilibili直播间:http://live.bilibili.com/5612206
扫码添加小助手微信,回复【NIPS】进入NeurIPS2020论文交流群
点击“阅读全文”,进入直播间预约,避免错过精彩分享!
以上是关于加州伯克利博士:基于隐模型的图神经网络设计 | NeurIPS 2020论文分享的主要内容,如果未能解决你的问题,请参考以下文章