下一代图神经网络是什么？几何深度学习，大牛Max Welling教授视频讲解

阿姆斯特丹大学Max Welling教授为你讲解图神经网络发展趋势

Max Welling教授是阿姆斯特丹大学机器学习研究主席和高通公司技术副总裁。他还被任命为加拿大高级研究所(CIFAR)的高级研究员。Max Welling在机器学习、计算机视觉、统计学和物理学方面发表了超过250篇科学论文，H指数为62。

https://staff.fnwi.uva.nl/m.welling/

Graph Nets: The Next Generation - Max Welling

在这次演讲中，我将介绍下一代的图神经网络。GNN具有对图中节点的排列和图的整体旋转不变的特性。我们认为这是不必要的限制，在这次报告中，我们将以更灵活的等变结构探索这些GNN的扩展。特别地，一般图的自然图网络在节点排列下是全局等变的，但仍然可以通过局部消息传递协议执行。我们在流形上的mesh-CNNs在SO(2)规范变换下是等变的，因此，与常规的GNN不同，它具有非各向同性的核。最后，我们的SE(3)转换器是局部消息传递GNN，对排列不变性，但对全局SE(3)变换是等价的。这些发展清楚地强调了几何和对称作为图(或其他)神经网络设计原则的重要性。

https://video.ias.edu/machinelearning/2020/0721-MaxWelling

几何深度学习

很多数据不是序列和欧几里得分布的，而是球面图网络分布，那如何使用卷积在这些数据结构上？

概览

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“GNET” 可以获取《下一代图神经网络是什么？几何深度学习，大牛Max Welling教授视频讲解》专知下载链接索引

  
  

专 · 知

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专业干货知识教程视频资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看5000+AI主题知识资料