到底什么是GNN？《图神经网络理论基础》这份DeepMind大牛Petar讲授，附96页ppt与视频

近年来，对图表示学习的研究激增，包括深度图嵌入技术、将CNNs泛化为为图结构数据和神经消息传递方法。图形神经网络(GNNs)和相关技术的发展已经在许多领域带来了最新的研究成果:化学合成、车辆路由、3d视觉、推荐系统、问答、连续控制、自动驾驶和社交网络分析。因此，在几乎所有顶级机器学习会议上，GNNs经常在增长最快的趋势和研讨会上名列前茅。

但是，什么是GNN呢? 快速在线搜索可以发现许多不同的定义。根据作者所假设的背景，这些定义可能大相径庭(甚至使用完全不同的术语)。这并非巧合:我们现在所认为的图神经网络的概念，都是在过去十年里从各种机器学习方向独立出现的。

在这次演讲中，我将尝试对GNNs提供一个“鸟瞰”的视角。在快速学习使用图表示学习的动机之后，我将从排列不变性和等变性的第一原则推导出GNN。通过这一视角，我将描述来自不同领域 (图嵌入、图信号处理、概率图模型和图同构测试)的研究人员是如何独立地得出本质上相同的GNN概念的。

这次演讲的目标听众是一般的计算机科学听众，不过一些关于机器学习的神经网络的基本知识也会很有用。我也希望经验丰富的GNN从业人员可以从我将呈现的分类中受益。

地址:

https://talks.cam.ac.uk/talk/index/155341

Petar Veličković 是DeepMind研究科学家。他拥有剑桥大学博士学位。他目前的研究兴趣广泛地涉及设计操作复杂结构数据(如图)的神经网络架构，以及它们在算法推理和计算生物学中的应用。他在机器学习领域(ICLR、NeurIPS-W、ICML-W)和生物医学领域和期刊(生物信息学、PLOS One、JCB、PervasiveHealth)发表了他的研究成果。特别是，他是Graph Attention Networks(一种流行的图卷积层)和Deep Graph Infomax(一种用于图形的可伸缩的本地/全局无监督学习管道)的第一作者。他的研究已经在ZDNet等媒体上发表。此外，他还在ICLR 2019年和NeurIPS 2019年联合组织了关于图形表示学习的研讨会。

https://petar-v.com/

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“GNN96” 可以获取《到底什么是GNN？《图神经网络理论基础》这份DeepMind大牛Petar讲授，附96页ppt与视频》专知下载链接索引

图数据无所不在!

今天涵盖内容：

• GNN为什么有用

• 第一视角剖析GNN

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“GNN96” 可以获取《到底什么是GNN？《图神经网络理论基础》这份DeepMind大牛Petar讲授，附96页ppt与视频》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