本教程介绍在图神经网络(GNN)中使用的概念。GNN是建模数据的有用方法,这些数据被构造成图形或包含不同实体之间的有用关系。这些方法已成功应用于交通预测、分子建模、社会网络分析、视觉场景理解等多个领域。

教程将集中在介绍概念和展示基本方法,同时也呈现一些有趣的联系和应用。

这两个讲座是Bitdefender在布加勒斯特大学教授的深度学习课程的一部分。演讲将是虚拟在线的,对任何人开放,并要求基本的ML知识。

成为VIP会员查看完整内容
122

相关内容

【图与几何深度学习】Graph and geometric deep learning,49页ppt
MIT《图神经网络的任务结构与泛化》,22页ppt
专知会员服务
23+阅读 · 2021年2月28日
【新书】图神经网络导论,清华大学刘知远老师著作
专知会员服务
356+阅读 · 2020年6月12日
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
177+阅读 · 2020年4月26日
因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
【KDD2020】图神经网络:基础与应用,322页ppt
图神经网络(Graph Neural Networks,GNN)综述
极市平台
103+阅读 · 2019年11月27日
Arxiv
7+阅读 · 2021年7月5日
Arxiv
18+阅读 · 2020年7月13日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Signed Graph Attention Networks
Arxiv
7+阅读 · 2019年9月5日
Arxiv
23+阅读 · 2018年10月24日
Arxiv
26+阅读 · 2018年2月27日
Arxiv
3+阅读 · 2018年2月11日
Arxiv
7+阅读 · 2018年1月10日
VIP会员
相关主题
相关VIP内容
相关论文
Arxiv
7+阅读 · 2021年7月5日
Arxiv
18+阅读 · 2020年7月13日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Signed Graph Attention Networks
Arxiv
7+阅读 · 2019年9月5日
Arxiv
23+阅读 · 2018年10月24日
Arxiv
26+阅读 · 2018年2月27日
Arxiv
3+阅读 · 2018年2月11日
Arxiv
7+阅读 · 2018年1月10日
微信扫码咨询专知VIP会员