图神经网络可解释性,附45页ppt,Simone Scardapane讲授

2022 年 7 月 16 日 专知


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。




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“E45G” 就可以获取图神经网络可解释性,附45页ppt,Simone Scardapane讲授》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100000+AI(AI与军事、医药、公安等)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100000+AI主题知识资料
登录查看更多
0

相关内容

《机器学习的最优传输》教程,63页PPT
专知会员服务
61+阅读 · 2022年4月30日
AAAI 2022 | ProtGNN:自解释图神经网络
专知会员服务
38+阅读 · 2022年2月28日
【ST2020硬核课】深度神经网络,57页ppt
专知会员服务
43+阅读 · 2020年8月19日
AAAI 2022 | ProtGNN:自解释图神经网络
专知
9+阅读 · 2022年2月28日
【NUS-Xavier教授】注意力神经网络,79页ppt
专知
3+阅读 · 2021年11月25日
【KDD2020】图神经网络:基础与应用,322页ppt
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
0+阅读 · 2013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
0+阅读 · 2012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
Arxiv
0+阅读 · 2022年9月13日
Arxiv
0+阅读 · 2022年9月12日
Arxiv
21+阅读 · 2021年12月2日
Arxiv
27+阅读 · 2020年6月19日
VIP会员
相关基金
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
0+阅读 · 2013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
0+阅读 · 2012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
Top
微信扫码咨询专知VIP会员