【导读】来自斯坦福大学的尤佳轩博士在CS520上讲述《图神经网络导论》,包含图神经网络的动机、概念、应用等。值得关注。
尤佳轩,斯坦福大学CS在读四年级博士生,师从Jure Leskovec教授。本科就读于清华大学,自动化与经济学双学位,期间曾跟随朱军、Stefano Ermon、David Lobell等知名学者进行学术研究,在经济学、社会科学、智能交通、机器学习等领域均曾以第一作者发表文章,如经济学领域的"从法币到金圆券——试论货币信用的核心作用"、"我国新能源汽车产业环保现状分析——基于实地调研及定量计算方法"等,以及两篇顶会论文(ITSC 2016与AAAI 2017)。
他的主要研究内容为开发用于图/关系结构数据的机器学习算法。他认为,在关系数据中,理解和推理的能力对于下一代AI至关重要。具体来说,尤佳轩的研究包括以下方向:1)从图结构中学习;2)生成和优化图结构;3)使图结构作为深度学习的先验;4)图学习技术的大规模应用。博士期间,尤佳轩曾在Facebook与Pinterest实习,与何恺明、Saining Xie等人进行研究合作,并共同发文(ICML 2020)。目前,尤佳轩共发表学术论文17篇,其中顶会论文13篇,顶会一作11篇。
个人主页: https://cs.stanford.edu/people/jiaxuan/
图神经网络导论
在这一讲中,我们介绍了图神经网络(GNN)的流行领域。图神经网络在各种任务中表现出非凡的性能,并能处理图的复杂性质。我们将首先讨论GNN的动机和好处。然后,我们将介绍GNN的核心思想,即通过节点的局部邻域结构来进行节点间的消息传递计算。最后,我们将介绍GNN在节点、边、子图和图级任务中的应用。