纽约大学《图卷积神经网络》笔记与课件，76页ppt

【导读】Yann Lecun在纽约大学开设的2020春季《深度学习》课程，干货满满。最新的一期是来自新加坡南洋理工大学的Xavier Bresson教授的图卷积神经网络课程，共76页PPT，非常硬核干货，讲述了GCN近年来的研究进展，包括经典卷积网络、谱图卷积网、 空间域图卷积网、GCN基准等。现在在课程网站上也放出来笔记，非常基础细致值得学习。

地址：

https://atcold.github.io/pytorch-Deep-Learning/en/week13/13-2/

• 讲座A部分：在本节中,我们讨论了传统卷积神经网络的架构和卷积。然后我们扩展到图域。我们理解了图的特征并定义了图的卷积。最后，我们介绍了频谱图卷积神经网络，并讨论了如何进行频谱卷积。

• 讲座B部分：本节涵盖了图卷积网络(GCNs)的完整频谱，从通过频谱网络实现频谱卷积开始。然后，它提供了关于模板匹配的其他卷积定义对图形的适用性的见解，从而导致了空间网络。详细介绍了采用这两种方法的各种体系结构及其优缺点、实验、基准和应用。

• 在本节中，我们将介绍Graph Convolutional Network (GCN)，这是一种利用数据结构的架构。事实上，GCNs的概念与自注意力密切相关。在理解了GCN的一般符号、表示和方程之后，我们深入研究了一种称为残差门控GCN的特定类型的GCN的理论和代码。

更多Xavier Bresson硬核讲座：

【南洋理工Xavier】图深度学习最新进展，35页ppt，Deep Learning on Graphs

【南洋理工Xavier】深度强化学习，课件与代码，109页PPT

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GCN76” 就可以获取《最新《图卷积神经网络GCN》2020概述，76页ppt，NTU-Xavier Bresson》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源