【DL4G@WWW2020】图表示学习算法推理，46页ppt，Petar Veličković@DeepMind

【导读】国际万维网大会（The Web Conference，简称WWW会议）是CCF-A类会议。WWW 2020将于2020年4月20日至4月24日在中国台湾台北举行。本届会议共收到了1129篇长文投稿，录用217篇长文，录用率为19.2%。这周会议已经虚拟召开。图深度学习研讨会(DL4G)展示结构化数据的嵌入和表示学习以及图深度学习的最新进展。来自DeepMind的研究科学家Petar Veličković给了关于《图表示学习算法推理》的报告，共46页ppt，详述了神经图算法推理的前沿研究进展，涵盖GNN基准、泛化、多任务学习和算法发现。

图表示学习算法推理是个新的和令人兴奋的方向，寻求理解和使用GNNs的表达能力建模经典算法。其潜在的影响是巨大的: 为元学习和搜索等任务提供可扩展的解决方案，帮助理论计算机科学中的新发现，以及严格地对GNNs进行基准测试。

Petar Veličković 是DeepMind研究科学家。他拥有剑桥大学博士学位。他目前的研究兴趣广泛地涉及设计操作复杂结构数据(如图)的神经网络架构，以及它们在算法推理和计算生物学中的应用。他在机器学习领域(ICLR、NeurIPS-W、ICML-W)和生物医学领域和期刊(生物信息学、PLOS One、JCB、PervasiveHealth)发表了他的研究成果。特别是，他是Graph Attention Networks(一种流行的图卷积层)和Deep Graph Infomax(一种用于图形的可伸缩的本地/全局无监督学习管道)的第一作者。他的研究已经在ZDNet等媒体上发表。此外，他还在ICLR 2019年和NeurIPS 2019年联合组织了关于图形表示学习的研讨会。

https://petar-v.com/