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。
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
神经网络模型细节知识点分析.
神经网络模型整体架构解读.
计算机视觉核心模型-卷积神经网络.
卷积神经网络整体架构及其参数设计.
图神经网络在社交网络,生物医学等场景应用分析.
图神经网络工作细节,如何利用图模型构建推理模型.
图神经网络框架Pytorch_geometric实战应用.
图模型最新研究进展分析总结.
☑ 名师助力 ☑ 含金量高 ☑ 提升专业能力
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
讲师带练,伴随式编程环境
三位一体跟踪服务,技术氛围浓厚
Q&A