宾大最新《图神经网络可迁移性》课程,附视频与课件(57页ppt))下载

在这节课中，我们将讨论GNN的可迁移性，也就是说能够在保证性能的情况下迁移机器学习模型。首先，我们深入研究了谱域和节点域的graphon滤波器的收敛性。稍后，我们将以生成模型的形式讨论graphon过滤器。我们将继续介绍graphon 神经网络(WNNs)，这是解释为什么graphon 神经网络可以在从graphon 获得的确定性图之间转换的关键元素。我们最后证明GNN继承了图滤波器的可迁移性。

https://gnn.seas.upenn.edu/lectures/lecture-10/

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“可迁移性” 可以获取《宾大最新《图神经网络可迁移性》课程,附视频与课件(57页ppt))下载》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