神经网络,凉了?

2022 年 3 月 16 日 CVer

前几年神经网络很火,相信大家对神经网络都有一定的了解。而图神经网络是直接在图上进行计算,整个计算的过程,沿着图的结构进行,这样处理的好处是能够很好的保留图的结构信息。而能够对结构信息进行学习,正是图神经网络的能力所在

下面我们就来看看图神经网络为什么强大?

图神经网络的应用场景自然非常多样。笔者在这里选择一部分应用场景为大家做简要的介绍,更多的还是期待我们共同发现和探索。


1. 计算机视觉

在计算机视觉的应用有根据提供的语义生成图像,如下图所示(引用)。输入是一张语义图,GNN通过对“man behind boy on patio”和“man right of man throwing firsbee”两个语义的理解,生成了输出的图像。


当然还有动作识别视觉问答等应用,这里我们就不一一列举了


2. 生物医疗

我们在高中都接触过生物化学,知道化合物是由原子和化学键构成的,它们天然就是一种图数据的形式,所以图神经网络在生物医疗领域应用特别广泛。包括新药物的发现、化合物筛选、蛋白质相互作用点检测、以及疾病预测。

据笔者所知,目前国外包括耶鲁、哈佛,国内像北大清华都有很多实验室研究图神经网络在医学方面的应用,而且我相信这会是图神经网络最有价值的应用方向之一


3. 工业应用之推荐

推荐是机器学习在互联网中的重要应用。互联网业务中,推荐的场景特别说,比如内容推荐、电商推荐、广告推荐等等。这里,我们介绍三种图神经网络赋能推荐的方法。

尽管已经引起了极大的关注,但将其应用于其他领域时仍面临许多挑战,包括从方法论的合理性到实际商业业务表现。  

那么为了让大家更好地掌握图神经网络,现邀请到「人工智能实战专家 - 唐宇迪博士,专为深度学习的同学开设了「图神经网络架构训练营 - <实战篇> 既包括前沿的学术分享、又有来自头部大咖的实践分享


图神经网络架构与实战训练营

















01

课程安排

上课时间:3月16日-17日,每晚20:00-22:30

课程服务:录播+直播授课+讲师答疑+课堂笔记+作业布置

Day1 深度学习必备核心算法通俗解读
  1. 神经网络模型细节知识点分析.

  2. 神经网络模型整体架构解读.

  3. 计算机视觉核心模型-卷积神经网络.

  4. 卷积神经网络整体架构及其参数设计.


Day2 Ai最前沿-图神经网络实战
  1. 图神经网络在社交网络,生物医学等场景应用分析.

  2. 图神经网络工作细节,如何利用图模型构建推理模型.

  3. 图神经网络框架Pytorch_geometric实战应用.

  4. 图模型最新研究进展分析总结.

注:本次训练营会PPT课件、课堂笔记。
PPT课件、课堂笔记会在 3月17日 统一发给完成全部作业且2天都到课的同学。

   名师助力    含金量高    提升专业能力

粉丝优惠!仅需 0.02 元!
 



02

2天训练营

   你将获得什么?


开放全部代码,课后复用方便高效


对于课程中涉及到的全部代码,我们将免费开放!

你可以用于课后自查、复习巩固,甚至复用于日后的业务,方便高效!

讲师带练,伴随式编程环境


图神经网络架构与实战训练营 ,你将获得伴随式的编程环境。

讲师带练、运用科学的方法引导,帮你消化疑难知识点

三位一体跟踪服务,技术氛围浓厚


只要报名,就能收获讲师、助教、班班全程三位一体跟踪式服务,24H为你答疑解惑。

同时还有来自五湖四海的大牛做同学,技术氛围浓厚,想不进步都难!

图神经网络架构与实战训练营

















    名师助力    含金量高    提升专业能力

粉丝优惠!仅需 0.02 元!




Q&A



  Q:课程内容具体有什么?
A:包括但不限于:图神经网络实战应用及研究进展分析+名师1V1答疑+专业提升技巧

Q:上课方式是什么?
A:扫码添加老师微信,领取课程报名链接
登录查看更多
2

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【斯坦福Jiaxuan You】图学习在金融网络中的应用,24页ppt
专知会员服务
44+阅读 · 2021年9月19日
【斯坦福CS224W】图神经网络工业应用-AliGraph,84页ppt
专知会员服务
48+阅读 · 2021年3月19日
专知会员服务
27+阅读 · 2021年2月12日
专知会员服务
28+阅读 · 2020年10月24日
【ACL2020】基于图神经网络的文本分类新方法
专知会员服务
68+阅读 · 2020年7月12日
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
计算机视觉,凉了?
CVer
2+阅读 · 2022年3月23日
图神经网络到底是什么?终于有人讲明白了
夕小瑶的卖萌屋
1+阅读 · 2022年3月15日
基于深度学习方法的图像分割,差距不止一点点
夕小瑶的卖萌屋
0+阅读 · 2021年8月23日
基于图神经网络的知识图谱研究进展
AI科技评论
20+阅读 · 2020年8月31日
牛逼哄哄的图卷积神经网络将带来哪些机遇?
计算机视觉life
49+阅读 · 2019年3月25日
下载 | 512页教程《神经网络与深度学习》,2018最新著作
机器学习算法与Python学习
49+阅读 · 2019年1月6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
神经网络可解释性最新进展
专知
18+阅读 · 2018年3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 · 2013年12月31日
国家自然科学基金
7+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
国家自然科学基金
3+阅读 · 2011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
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
37+阅读 · 2021年2月10日
Arxiv
27+阅读 · 2020年6月19日
On Feature Normalization and Data Augmentation
Arxiv
15+阅读 · 2020年2月25日
Arxiv
19+阅读 · 2019年4月5日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
53+阅读 · 2018年12月11日
VIP会员
相关VIP内容
【斯坦福Jiaxuan You】图学习在金融网络中的应用,24页ppt
专知会员服务
44+阅读 · 2021年9月19日
【斯坦福CS224W】图神经网络工业应用-AliGraph,84页ppt
专知会员服务
48+阅读 · 2021年3月19日
专知会员服务
27+阅读 · 2021年2月12日
专知会员服务
28+阅读 · 2020年10月24日
【ACL2020】基于图神经网络的文本分类新方法
专知会员服务
68+阅读 · 2020年7月12日
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
相关资讯
计算机视觉,凉了?
CVer
2+阅读 · 2022年3月23日
图神经网络到底是什么?终于有人讲明白了
夕小瑶的卖萌屋
1+阅读 · 2022年3月15日
基于深度学习方法的图像分割,差距不止一点点
夕小瑶的卖萌屋
0+阅读 · 2021年8月23日
基于图神经网络的知识图谱研究进展
AI科技评论
20+阅读 · 2020年8月31日
牛逼哄哄的图卷积神经网络将带来哪些机遇?
计算机视觉life
49+阅读 · 2019年3月25日
下载 | 512页教程《神经网络与深度学习》,2018最新著作
机器学习算法与Python学习
49+阅读 · 2019年1月6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
神经网络可解释性最新进展
专知
18+阅读 · 2018年3月10日
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 · 2013年12月31日
国家自然科学基金
7+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
国家自然科学基金
3+阅读 · 2011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
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月16日
Arxiv
37+阅读 · 2021年2月10日
Arxiv
27+阅读 · 2020年6月19日
On Feature Normalization and Data Augmentation
Arxiv
15+阅读 · 2020年2月25日
Arxiv
19+阅读 · 2019年4月5日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
53+阅读 · 2018年12月11日
Top
微信扫码咨询专知VIP会员