《图卷积神经网络》硬核课程，NTU-Xavier Bresson教授讲解，附视频与80页PPT

讲座A部分:

https://atcold.github.io/pytorch-Deep-Learning/en/week13/13-1/

在本节中，我们将讨论传统卷积神经网络的结构和卷积。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。

0:00:50 -传统ConvNets的架构

0:13:11 -传统ConvNets的卷积

0:25:29 -光谱卷积

讲座B部分:

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

本节介绍了图卷积网络(GCNs)的完整谱，首先介绍了通过谱网络实现谱卷积。然后，它提供了关于模板匹配的其他卷积定义对图的适用性的见解，从而导致空间网络。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。

0:44:30 - GCNs谱

1:06:04 -模板匹配，各向同性GCNs和基准GNNs

1:33:06 -各向异性GCNs和结论

课程地址：https://atcold.github.io/pytorch-Deep-Learning/

Xavier Bresson 是南洋理工大学数据科学与AI中心的副教授，目前主要致力于研究稀疏数据和谱图理论来设计适应大数据科学的新型算法。

个人主页：http://www.ntu.edu.sg/home/xbresson/index.html

图卷积网络

目录：

• 第一部分传统卷积网

• 架构

• 图域

• 卷积

• 谱域图卷积网

• 谱卷积

• 谱GCN

• 空间域图卷积网

• 模板匹配

• 各向同性 GCNs

• 各向异性 GCNs

• GatedGCNs

• 图神经网络基准

• 结论

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“GCN” 可以获取《《图卷积神经网络》硬核课程，NTU-Xavier Bresson教授讲解，附视频与80页PPT》专知下载链接索引

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