MIT 图神经网络理论:表示与学习(论文+视频)

2022 年 5 月 23 日 图与推荐


图神经网络(GNNs)是一种针对学习图表示的神经网络结构,已经成为一种流行的学习模型,用于预测节点、图和点的构型的任务,并在实践中获得了广泛的成功。 本文选取了广泛应用的消息传递神经网络和高阶神经网络的逼近和学习特性的新兴理论成果,重点从表示、概括和外推三个方面进行了综述。 本文总结了数学上的联系。

论文PDF见QQ群文件:


登录查看更多
1

相关内容

【MIT-Stefanie Jegelka】图神经网络理论:表示与学习
专知会员服务
42+阅读 · 2022年5月21日
专知会员服务
95+阅读 · 2021年5月25日
专知会员服务
73+阅读 · 2020年8月25日
【视频】几何数据嵌入表示学习,74页ppt
专知会员服务
33+阅读 · 2020年7月24日
【MIT-ICML2020】图神经网络的泛化与表示的局限
专知会员服务
42+阅读 · 2020年6月23日
深度学习视频中多目标跟踪:论文综述
专知会员服务
92+阅读 · 2019年10月13日
清华团队综述全面解读图神经网络理论方法与应用
图神经网络从入门到入门
机器学习与推荐算法
1+阅读 · 2021年8月17日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
104+阅读 · 2019年11月27日
一文读懂神经网络(附PPT、视频)
数据派THU
17+阅读 · 2018年3月25日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+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
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
19+阅读 · 2021年2月4日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Arxiv
19+阅读 · 2020年7月13日
Arxiv
15+阅读 · 2019年4月4日
Arxiv
31+阅读 · 2018年11月13日
VIP会员
相关VIP内容
【MIT-Stefanie Jegelka】图神经网络理论:表示与学习
专知会员服务
42+阅读 · 2022年5月21日
专知会员服务
95+阅读 · 2021年5月25日
专知会员服务
73+阅读 · 2020年8月25日
【视频】几何数据嵌入表示学习,74页ppt
专知会员服务
33+阅读 · 2020年7月24日
【MIT-ICML2020】图神经网络的泛化与表示的局限
专知会员服务
42+阅读 · 2020年6月23日
深度学习视频中多目标跟踪:论文综述
专知会员服务
92+阅读 · 2019年10月13日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+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
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
相关论文
Top
微信扫码咨询专知VIP会员