洛桑理工27页PPT带你入坑GCN：Graph上的深度学习报告（附下载）

导读：洛桑理工学院教授Michaël Defferrard在Deep Learning on Graphs at the Graph Signal Processing 研讨会上做了《Advances in Deep Learning on Graphs》的报告。 Michaël Defferrard是最早提出讲卷积网络用于graph数据的研究者之一，他在这次报告中介绍了最新将 Graph Convolutional Network（GCN）用于航空影像的研究并提出一些应用的挑战和机会。

来源：专知（ID：Quan_Zhuanzhi）

深度学习比如CNN已经在计算机视觉（CV）以及自然语言处理等领域取得了state-of-art 的水平，其中的数据可以被称作是一种Euclidean Data，CNN正好能够高效的处理这种数据结构，探索出其中所存在的特征表示。

但是现实的处理问题当中还存在大量的 Non-Euclidean Data，如社交多媒体网络（Social Network）数据，化学成分（Chemical Compound）结构数据，生物基因蛋白（Protein）数据以及知识图谱（Knowledge Graphs）数据等等，这类的数据属于图结构的数据（Graph-structured Data）。CNN等神经网络结构则并不能有效的处理这样的数据。如何讲CNN的思想应用在graph数据上成为最近研究的一个热点。

请在公众号后台对话框回复DLG，获取完整版PPT下载链接。

以下是报告的PPT内容：