图神经网络可解释性,附45页ppt,Simone Scardapane讲授

2022 年 7 月 18 日 图与推荐

图神经网络(GNNs)已被广泛应用于图表示学习的各个领域。然而,与所有其他神经网络模型一样,GNN也存在黑盒问题,因为人们无法理解其机制。为了解决这一问题,人们提出了几种解释GNN决策的方法。在本报告中,Simone Scardapane概述了最先进的GNN解释方法和如何评估它们。






登录查看更多
2

相关内容

AAAI 2022 | ProtGNN:自解释图神经网络
专知会员服务
39+阅读 · 2022年2月28日
【Google-Marco Cuturi】最优传输,339页ppt,Optimal Transport
专知会员服务
47+阅读 · 2021年10月26日
如何让你的图神经网络跑的更快?
图与推荐
1+阅读 · 2022年6月15日
GNN在Google是如何落地的?附Bryan的43页分享ppt
图与推荐
3+阅读 · 2022年5月12日
ICLR2022图神经网络论文集锦
机器学习与推荐算法
13+阅读 · 2022年2月10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
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
8+阅读 · 2012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 · 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
1+阅读 · 2009年12月31日
Arxiv
13+阅读 · 2021年6月14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
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
8+阅读 · 2012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 · 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
1+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员