圖深度學(xué)習(xí)除了可以應(yīng)用于標(biāo)準(zhǔn)圖推理任務(wù)以外，還廣泛應(yīng)用于推薦、疾病或藥物預(yù)測、自然語言處理、計(jì)算機(jī)視覺、交通預(yù)測等領(lǐng)域。

可見，基于圖的深度學(xué)習(xí)不僅有助于挖掘現(xiàn)有圖數(shù)據(jù)背后的豐富價(jià)值，而且還通過將關(guān)系數(shù)據(jù)自然地建模為圖，有助于推進(jìn)其他學(xué)科的發(fā)展，極大地?cái)U(kuò)大了基于圖的深度學(xué)習(xí)的適用性，促使圖的深度學(xué)習(xí)受到了廣泛的歡迎。今天特地為大家整理了一些基于圖深度學(xué)習(xí)的前沿工作，限時(shí)免費(fèi)哦~

CogDL：助力圖機(jī)器學(xué)習(xí)的研究與應(yīng)用

01

主講人

岑宇闊/嘉賓

02

嘉賓介紹

清華大學(xué)計(jì)算機(jī)系博士生，師從唐杰教授。研究方向?yàn)閳D機(jī)器學(xué)習(xí)與推薦系統(tǒng)，以第一作者的身份在KDD/TKDE等國際知名會(huì)議和期刊上發(fā)表多篇論文。

目前主要負(fù)責(zé)圖機(jī)器學(xué)習(xí)工具包CogDL。CogDL在github上已有900多個(gè)星標(biāo)，吸引了國內(nèi)外學(xué)者的廣泛關(guān)注。

03

分享內(nèi)容

1. 圖機(jī)器學(xué)習(xí)簡介

2.?圖神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)

3. 前沿圖神經(jīng)網(wǎng)絡(luò)研究介紹

4. 圖機(jī)器學(xué)習(xí)工具包CogDL介紹

04

報(bào)名方式

免費(fèi)報(bào)名并加入交流群

請(qǐng)備注關(guān)鍵詞【33】

基于圖神經(jīng)網(wǎng)絡(luò)為群體機(jī)器人構(gòu)建信息分享機(jī)制

01

主講人

李慶標(biāo)/嘉賓

02

嘉賓介紹

英國劍橋大學(xué)計(jì)算機(jī)系Prorok Lab博士生（師從 Dr Amanda Prorok）。博士期間主要研究有意識(shí)進(jìn)行信息交換的群體機(jī)器人運(yùn)動(dòng)規(guī)劃算法。主要探索基于圖神經(jīng)網(wǎng)絡(luò)（GNN）為群體智能以及群體機(jī)器人構(gòu)建信息溝通頻道，使得群體機(jī)器人之間可以學(xué)習(xí)如何更有效進(jìn)行顯性的信息交換。研究工作可以用于隨需響應(yīng)（mobility-on-demand systems）, 自動(dòng)化倉儲(chǔ)物流，以及智慧城市。

發(fā)表頂會(huì)期刊論文10+篇，多次擔(dān)任國際著名期刊T-RO, RA-L ，ICRA,IROS，AAMAS的審稿人。并受邀在浙江大學(xué)，上海交通大學(xué)，賓夕法尼亞大學(xué)和美國東北大學(xué)以及微軟劍橋研究院，騰訊Robotics X做專題報(bào)告。

碩士就讀于由楊廣中教授和Ara Darzi爵士在帝國理工學(xué)院創(chuàng)立的Hamlyn Centre, 主要研究醫(yī)療機(jī)器人及醫(yī)療圖像引導(dǎo)干預(yù)的現(xiàn)代醫(yī)學(xué)技術(shù)。在Prof Daniel Elson的指導(dǎo)下，進(jìn)行了為期八個(gè)月的關(guān)于用多光譜圖像進(jìn)行血氧飽和度估計(jì)的獨(dú)立研究。在此加入Hamlyn Centre前，畢業(yè)于愛丁堡大學(xué)機(jī)械工程系。

03

分享內(nèi)容

GNNs: from the concepts into its potential?

GNN in MAPF from simulation into real world

Research work: GNN in MAPF

04

報(bào)名方式

免費(fèi)報(bào)名并加入交流群

請(qǐng)備注關(guān)鍵詞【33】

圖機(jī)器學(xué)習(xí)中的數(shù)據(jù)增強(qiáng)技術(shù)

01

主講人

趙通/嘉賓

02

嘉賓介紹

圣母大學(xué)（University of Notre Dame）五年級(jí)博士生，即將作為research scientist加入Snap Research。曾獲得Snap和亞馬遜的獎(jiǎng)學(xué)金。研究興趣包括圖機(jī)器學(xué)習(xí)、圖表征學(xué)習(xí)和異常檢測。論文多次發(fā)表在KDD、AAAI、CIKM、TNNLS、TKDE等頂級(jí)會(huì)議和期刊上。

曾擔(dān)任眾多知名會(huì)議（如KDD、NeurIPS、ICLR、AAAI等）及期刊（如TNNLS、TKDE等）的程序委員會(huì)委員和審稿人。The Machine Learning on Graph (MLoG) workshop (WSDM 2022)的組織者。

03

分享內(nèi)容

1. 圖機(jī)器學(xué)習(xí)及數(shù)據(jù)增強(qiáng)技術(shù)簡介

2. 用于節(jié)點(diǎn)分類任務(wù)的圖數(shù)據(jù)增強(qiáng)技術(shù)

3. 用于鏈路預(yù)測任務(wù)的圖數(shù)據(jù)增強(qiáng)技術(shù)

04

報(bào)名方式

免費(fèi)報(bào)名并加入交流群

請(qǐng)備注關(guān)鍵詞【33】

總結(jié)

以上是生活随笔為你收集整理的图深度学习前沿工作汇总与解析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。