图深度学习近期工作汇总

2022 年 1 月 6 日 图与推荐

图深度学习除了可以应用于标准图推理任务以外,还广泛应用于推荐、化学、疾病或药物预测、自然语言处理、计算机视觉、交通预测以及求解基于图的 NP 问题

可见,基于图的深度学习不仅有助于挖掘现有图数据背后的丰富价值,而且还通过将关系数据自然地建模为图,有助于推进其他学科的发展,极大地扩大了基于图的深度学习的适用性,促使图的深度学习受到了广泛的欢迎。今天特地为大家整理了一些基于图深度学习的前沿工作~

CogDL:助力图机器学习的研究与应用



01

主讲人



岑宇阔/嘉宾



02

嘉宾介绍

清华大学计算机系博士生,师从唐杰教授。研究方向为图机器学习与推荐系统,以第一作者的身份在KDD/TKDE等国际知名会议和期刊上发表多篇论文。

目前主要负责图机器学习工具包CogDL。CogDL在github上已有900多个星标,吸引了国内外学者的广泛关注。


03

直播内容

1. 图机器学习简介

2. 图神经网络模型基础

3. 前沿图神经网络研究介绍

4. 图机器学习工具包CogDL介绍



04

直播时间

1月10日(下周一)

免费报名请添加微信

请备注关键词【图】



基于图神经网络为群体机器人构建信息分享机制



01

主讲人


李庆标/嘉宾



02

嘉宾介绍

英国剑桥大学计算机系Prorok Lab博士生(师从 Dr Amanda Prorok)。博士期间主要研究有意识进行信息交换的群体机器人运动规划算法。主要探索基于图神经网络(GNN)为群体智能以及群体机器人构建信息沟通频道,使得群体机器人之间可以学习如何更有效进行显性的信息交换。研究工作可以用于随需响应(mobility-on-demand systems), 自动化仓储物流,以及智慧城市。

硕士就读于在由杨广中教授和Ara Darzi爵士在帝国理工学院创立的Hamlyn Centre, 主要研究医疗机器人及医疗图像引导干预的现代医学技术。在Prof Daniel Elson的指导下,进行了为期八个月的关于用多光谱图像进行血氧饱和度估计的独立研究。在此加入Hamlyn Centre前,毕业于爱丁堡大学机械工程系。

Google Scholar: 

https://scholar.google.com/citations?user=zyj2sIgAAAAJ&hl=en

Homepage: 

https://qingbiaoli.github.io/



03

直播内容

1. GNNs: from the concepts into its potential

2. Problem Formulation

3. Research work: GNN in MAPF

    3.1 Motivation

        3.1.1 Applications: why multi-robot path planning Existing challenges

    3.2 Proposed Framework of Graph MAPF

    3.3 Performance Evaluation Metrics

    3.4 Results and Discussion of Graph MAPF

    3.5 How to tackle redundant communication and communication overload in large-scale

        3.5.1 system Message Aware Graph Attention neTworks (MAGAT)

    3.6 Results and Discussion of MAGAT

    3.7 GNN for multi-robot coordination from simulation into real-world experiment



04

直播时间

1月12日(下周三)

免费报名请添加微信

请备注关键词【图】




图机器学习中的数据增强技术



01

主讲人

赵通/嘉宾



02

嘉宾介绍

圣母大学(University of Notre Dame)五年级博士生,即将作为research scientist加入Snap Research。曾获得Snap和亚马逊的奖学金。研究兴趣包括图机器学习、图表征学习和异常检测。论文多次发表在KDD、AAAI、CIKM、TNNLS、TKDE等顶级会议和期刊上。

曾担任众多知名会议(如KDD、NeurIPS、ICLR、AAAI等)及期刊(如TNNLS、TKDE等)的程序委员会委员和审稿人。The Machine Learning on Graph (MLoG) workshop (WSDM 2022)的组织者。

个人主页:

https://tzhao.io/

Google Scholar:

https://scholar.google.com/citations?user=05cRc-MAAAAJ



03

直播内容

1. 图机器学习及数据增强技术简介

2. 用于节点分类任务的图数据增强技术

3. 用于链路预测任务的图数据增强技术



04

直播时间

1月15日(下周六)

免费报名请添加微信

请备注关键词【图】


登录查看更多
0

相关内容

【SIGIR2021】自然语言处理图深度学习,230页ppt
专知会员服务
93+阅读 · 2021年7月23日
专知会员服务
69+阅读 · 2021年7月4日
近期必读的五篇KDD 2020【图神经网络 (GNN) 】相关论文_Part2
专知会员服务
159+阅读 · 2020年6月30日
一本书的精华,就在这场图神经网络线上分享
机器之心
1+阅读 · 2022年2月17日
图深度学习前沿工作汇总与解析
夕小瑶的卖萌屋
0+阅读 · 2022年1月20日
图深度学习专场 | 前沿工作汇总与解析
专知
0+阅读 · 2022年1月12日
ICCV 2019 行为识别/视频理解论文汇总
极市平台
15+阅读 · 2019年9月26日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Principal Neighbourhood Aggregation for Graph Nets
Arxiv
17+阅读 · 2020年6月7日
Arxiv
38+阅读 · 2020年3月10日
Arxiv
101+阅读 · 2020年3月4日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
Arxiv
35+阅读 · 2020年1月2日
Arxiv
13+阅读 · 2019年11月14日
Arxiv
11+阅读 · 2018年10月17日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
相关论文
Principal Neighbourhood Aggregation for Graph Nets
Arxiv
17+阅读 · 2020年6月7日
Arxiv
38+阅读 · 2020年3月10日
Arxiv
101+阅读 · 2020年3月4日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
Arxiv
35+阅读 · 2020年1月2日
Arxiv
13+阅读 · 2019年11月14日
Arxiv
11+阅读 · 2018年10月17日
Top
微信扫码咨询专知VIP会员