斯坦福Jure Leskovec:图神经网络表达能力有多强

2019 年 2 月 18 日 专知

【导读】基于网络的经典机器学习任务有很多,比如结点分类、连接预测、社区发现等等,深度学习的时代来临之后,图神经网络渐渐成为研究这些任务的有力武器。图神经网络的表达能力到底有多强?Jure Leskovec告诉你。



完整PPT下载:

 请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“GNNpower” 就可以获取图神经网络表达能力PPT载链接~ 



-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成!480+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

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!

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询《深度学习:算法到实战》课程,咨询技术商务合作~

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
39

相关内容

Jure Leskovec,斯坦福大学计算机科学副教授。 研究重点是对大型社会和信息网络进行挖掘和建模,它们的演化,信息的传播以及对它们的影响。 调查的问题是由大规模数据,网络和在线媒体引起的。
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
181+阅读 · 2020年4月26日
元学习与图神经网络逻辑推导,55页ppt
专知会员服务
128+阅读 · 2020年4月25日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22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
【CVPR2019教程】视频理解中的图表示学习
专知
43+阅读 · 2019年6月20日
Arxiv
13+阅读 · 2019年11月14日
Signed Graph Attention Networks
Arxiv
7+阅读 · 2019年9月5日
Arxiv
5+阅读 · 2019年4月25日
Arxiv
15+阅读 · 2019年4月4日
Arxiv
23+阅读 · 2018年10月1日
VIP会员
Top
微信扫码咨询专知VIP会员