最新《图神经网络模型》概述，21页pdf

【重磅】图神经网络新书《图表示学习》，140页pdf，William L. Hamilton-McGill University

在本章中，我们将关注更复杂的编码器模型。我们将介绍图神经网络(GNN)的形式，它是定义图数据上的深度神经网络的一般框架。关键思想是，我们想要生成实际上依赖于图结构的节点的表示，以及我们可能拥有的任何特征信息。在开发复杂的图结构数据编码器的主要挑战是，我们通常的深度学习工具箱不适用。例如，卷积神经网络(CNNs)只在网格结构的输入(如图像)上定义良好，而递归神经网络(RNNs)只在序列(如文本)上定义良好。要在一般图上定义深度神经网络，我们需要定义一种新的深度学习架构。

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“GNN21” 可以获取《最新《图神经网络模型》概述，21页pdf》专知下载链接索引

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5000+AI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5000+AI主题知识资源