「AI Drive」是由 PaperWeekly 和 biendata 共同發(fā)起的學(xué)術(shù)直播間，旨在幫助更多的青年學(xué)者宣傳其最新科研成果。我們一直認(rèn)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(chǎn)生更大的價值。

本期 AI Drive，我們邀請到上海交通大學(xué)碩士生徐明皓，為大家在線解讀其發(fā)表于 ICML 2021?的最新工作：Self-supervised Graph-level Representation Learning with Local and Global Structure。對本期主題感興趣的小伙伴，7?月 6?日（周二）晚 7 點(diǎn)，我們準(zhǔn)時相約 PaperWeekly B 站直播間。

直播信息

對化學(xué)、生物等科學(xué)領(lǐng)域中所涉及的圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行屬性標(biāo)注往往需要昂貴的時間和資源成本，因而如何用自監(jiān)督的方式學(xué)習(xí)圖表征越來越受到研究者們的關(guān)注。本次報告以該問題為出發(fā)點(diǎn)，致力于探討如何學(xué)習(xí)合適的圖表征，使其在隱空間中同時保持局部實(shí)例級別結(jié)構(gòu)和全局語義級別結(jié)構(gòu)。

論文標(biāo)題：

Self-supervised Graph-level Representation Learning with Local and Global Structure

論文鏈接：

https://arxiv.org/abs/2106.04113

代碼鏈接：

https://github.com/DeepGraphLearning/GraphLoG

本次分享的具體內(nèi)容有：?

• 背景介紹：深度聚類學(xué)習(xí)

• 相關(guān)工作：基于傳統(tǒng)聚類和對比學(xué)習(xí)的方法

• 所提出方法：具有局部和層次化全局結(jié)構(gòu)的圖表征學(xué)習(xí)

• 實(shí)驗(yàn)結(jié)果：定量與可視化分析

• 總結(jié)：報告總結(jié)與未來展望

嘉賓介紹

?徐明皓?/ 上海交通大學(xué)碩士生?

徐明皓，上海交通大學(xué)二年級碩士生，本碩期間在上海交大 AI300 實(shí)驗(yàn)室進(jìn)行科研工作，導(dǎo)師是倪冰冰教授；同時在 Mila 魁北克人工智能研究所擔(dān)任研究助理，導(dǎo)師是唐建教授。主要研究方向?yàn)檫w移學(xué)習(xí)、圖表征學(xué)習(xí)和藥物發(fā)現(xiàn)。在 ICML，CVPR，ECCV 和 AAAI 上以第一作者身份發(fā)表論文四篇。

直播地址?& 交流群

本次直播將在 PaperWeekly B 站直播間進(jìn)行，掃描下方海報二維碼或點(diǎn)擊閱讀原文即可免費(fèi)觀看。線上分享結(jié)束后，嘉賓還將在直播交流群內(nèi)實(shí)時 QA，在 PaperWeekly 微信公眾號后臺回復(fù)「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(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專欄吧

關(guān)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(xué)術(shù)平臺。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號后臺點(diǎn)擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結(jié)

以上是生活随笔為你收集整理的直播 | ICML 2021论文解读：具有局部和全局结构的自监督图表征学习的全部內(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，歡迎將生活随笔推薦給好友。