直播 | 同源共流:一个优化框架统一与解释图神经网络
「AI Drive」是由 PaperWeekly 和 biendata 共同發起的學術直播間,旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為,單向地輸出知識并不是一個最好的方式,而有效地反饋和交流可能會讓知識的傳播更加有意義,從而產生更大的價值。
本期 AI Drive,我們邀請到北京郵電大學計算機學院碩士生朱美琪,為大家帶來同源共流:一個優化框架統一與解釋圖神經網絡的專題直播。對本期主題感興趣的小伙伴,3?月?2?日(周二)晚 7 點,我們準時相約 PaperWeekly B 站直播間。
直播信息
圖神經網絡(GNNs)在各種圖分析任務中得到了廣泛的關注,設計良好的消息傳播機制是 GNNs 中最基本的組成部分,并且被證明是十分有效的。雖然傳播機制多種多樣,但基本上都是以沿網絡拓撲傳播聚合節點特征的方式來利用拓撲與特征這兩種信息的。
因此我們不禁思考這樣一些問題:“百花齊放的圖神經網絡,是否遵循了某種一致的設計思想?圖神經網絡的不同傳播機制背后,是否能用一套規則統一與解釋?如若發現這種規則,又能對我們理解與設計新的圖神經網絡帶來何種啟發?” 對這些問題較為完善的回答,可以幫助我們從宏觀的角度考察不同圖神經網絡之間的關系與差異,進而激發更多新的圖神經網絡被設計出來。
本次分享的具體內容有:?
圖神經網絡的傳播機制
統一的優化目標框架
基于統一框架解釋經典圖神經網絡
基于統一框架設計新圖神經網絡
實驗結果
總結
嘉賓介紹
?朱美琪?/ 北京郵電大學碩士生?
朱美琪,北京郵電大學計算機學院 2019 級碩士,導師為石川老師。曾在 KDD, WWW 頂級國際會議上發表文章。主要研究方向為網絡表示學習,圖神經網絡。
直播地址?& 交流群
本次直播將在 PaperWeekly B 站直播間進行,掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后,嘉賓還將在直播交流群內實時 QA,在 PaperWeekly 微信公眾號后臺回復「AI Drive」,即可獲取入群通道。
B 站直播間:
https://live.bilibili.com/14884511
合作伙伴
????
現在,在「知乎」也能找到我們了
進入知乎首頁搜索「PaperWeekly」
點擊「關注」訂閱我們的專欄吧
關于PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域,歡迎在公眾號后臺點擊「交流群」,小助手將把你帶入 PaperWeekly 的交流群里。
總結
以上是生活随笔為你收集整理的直播 | 同源共流:一个优化框架统一与解释图神经网络的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 发动机涡轮和活塞式的区别
- 下一篇: COLING 2020 | 面向机器阅读