南洋理工大学计算机学院深度学习数据科学课程第15讲:图神经网络架构,由Xavier Bresson副教授主讲,主要内容包括传统卷积网络,频域图卷积网络和空域图卷积网络,全面详细地介绍了GCN的背景、挑战、发展历程、模型和研究方向。

作者 | Xavier Bresson 编译 | 专知

第一部分:Weisfeiler-Lehman GNNs

  • 图同构网络
  • 主领域聚合
  • 等变GNNs
  • 3-WL/环GNNs
  • 稀疏WL-GNNs
  • 低秩注意力GNNs
  • 图子结构网络

第二部分:GNN表达力和通用逼近器

  • WL表达力
  • 图通用渐进器
  • 表达能力的局限性

第三部分: 图位置编码

  • 索引位置编码
  • 结构化信息
  • 传递网络拉
  • 普拉斯算子的位置编码

第四部分:链接预测和边表示

成为VIP会员查看完整内容
73

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【ICML2020】图神经网络基准,53页ppt,NUS-Xavier Bresson
专知会员服务
56+阅读 · 2020年7月18日
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
168+阅读 · 2020年5月6日
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
178+阅读 · 2020年4月26日
图卷积网络介绍及进展【附PPT与视频资料】
人工智能前沿讲习班
24+阅读 · 2019年1月3日
【WWW2018】网络表示学习Tutorial(附下载)
专知
11+阅读 · 2018年4月25日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
13+阅读 · 2019年11月14日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Deep Graph Infomax
Arxiv
16+阅读 · 2018年12月21日
Neural Architecture Optimization
Arxiv
8+阅读 · 2018年9月5日
VIP会员
相关论文
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
13+阅读 · 2019年11月14日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Deep Graph Infomax
Arxiv
16+阅读 · 2018年12月21日
Neural Architecture Optimization
Arxiv
8+阅读 · 2018年9月5日
微信扫码咨询专知VIP会员