如何改进图网络的聚合？剑桥大学Gabriele博士报告阐述图神经网络表达能力

图神经网络已被证明是对图结构数据的不同预测任务的有效模型。本次演讲将结合主邻域聚合(NeurIPS 2020)和有向图网络(在NeurIPS 2020的DiffGeo4DL研讨会上发言)的研究。我们将检查图神经网络的表达能力，显示当涉及到连续特征空间和定向核时的局限性。这些都将促使GNN的聚合方法得到改进，从而使我们能够全面泛化CNN。来自分子化学和计算机视觉基准的实证结果将验证我们的发现。

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“AGN” 可以获取《如何改进图网络的聚合？剑桥大学Gabriele博士报告阐述节点能理解它们的邻居吗?》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