【日本京都大学】图神经网络表达能力的研究综述,41页pdf

2020 年 3 月 10 日 专知


图神经网络是解决各种图学习问题的有效的机器学习模型。尽管它们取得了经验上的成功,但是GNNs的理论局限性最近已经被揭示出来。因此,人们提出了许多GNN模型来克服这些限制。在这次调查中,我们全面概述了GNNs的表达能力和可证明的强大的GNNs变体。

地址:

https://arxiv.org/abs/2003.04078


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“GNNE” 就可以获取图神经网络表达能力的研究综述,41页pdf》论文专知下载链接


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
登录查看更多
1

相关内容

据说专门用于视觉的神经基质占据了大约 40% 的大脑皮层。将计算机视觉实现为一种真正智能的感知模式是人工智能的基础,也将有助于我们对人类视觉智能的理解。在计算视觉智能方面,我们的研究重点是建立计算方法的理论基础和有效实施,以便从图像和视频中的外观更好地理解人、物体和场景,以及开发可以超越视觉的新型计算成像系统我们看到的。我们的实验室始于 2018 年 4 月,PI Nishino 从美国返回日本。
【清华大学】低资源语言:回顾综述和未来的挑战,14页pdf
最新《深度多模态数据分析》综述论文,26页pdf
专知会员服务
298+阅读 · 2020年6月16日
最新《知识蒸馏》2020综述论文,20页pdf,悉尼大学
专知会员服务
157+阅读 · 2020年6月14日
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
165+阅读 · 2020年4月26日
多模态深度学习综述,18页pdf
专知会员服务
214+阅读 · 2020年3月29日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
八篇NeurIPS 2019【图神经网络(GNN)】相关论文
专知会员服务
43+阅读 · 2020年1月10日
零样本图像识别综述论文
专知
21+阅读 · 2020年4月4日
多模态深度学习综述,18页pdf
专知
48+阅读 · 2020年3月29日
【综述】生成式对抗网络GAN最新进展综述
专知
57+阅读 · 2019年6月5日
Arxiv
35+阅读 · 2020年1月2日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
35+阅读 · 2019年11月7日
Arxiv
15+阅读 · 2019年6月25日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
5+阅读 · 2017年4月12日
VIP会员
相关VIP内容
【清华大学】低资源语言:回顾综述和未来的挑战,14页pdf
最新《深度多模态数据分析》综述论文,26页pdf
专知会员服务
298+阅读 · 2020年6月16日
最新《知识蒸馏》2020综述论文,20页pdf,悉尼大学
专知会员服务
157+阅读 · 2020年6月14日
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
165+阅读 · 2020年4月26日
多模态深度学习综述,18页pdf
专知会员服务
214+阅读 · 2020年3月29日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
169+阅读 · 2020年3月10日
八篇NeurIPS 2019【图神经网络(GNN)】相关论文
专知会员服务
43+阅读 · 2020年1月10日
相关论文
Arxiv
35+阅读 · 2020年1月2日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
35+阅读 · 2019年11月7日
Arxiv
15+阅读 · 2019年6月25日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
136+阅读 · 2018年10月8日
Arxiv
23+阅读 · 2018年10月1日
Arxiv
5+阅读 · 2017年4月12日
Top
微信扫码咨询专知VIP会员