近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视。图神经网络(GNN)是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性,图神经网络在图像分类、语义分割、推荐系统、程序推理以及分子结构预测等诸多领域都有了越来越广泛的应用。 在一项针对2019 年到 2020 年各大顶会论文关键词的统计中,「图神经网络」的增长速度位列榜首,成为上升最快的话题。 图神经网络最初由Franco Scarselli和Marco Gori等人提出,在之后的十几年里被不断扩展,先后发展出了图卷积网络(Graph Convolution Networks,GCN)、 图注意力网络(Graph Attention Networks)、图自编码器(Graph Autoencoders)、图生成网络(Graph Generative Networks) 和图时空网络(Graph Spatial-temporal Networks)等多个子领域。 那么,作为AI从业者,如何快速学习、掌握这个热门的AI方向? 不久之前,IBM全球研究院总部研究员马腾飞出版了《图神经网络:基础与前沿》一书。
本书介绍了图神经网络和图深度学习的基础知识和前沿研究,不仅包括它们的发展历史和经典模型,还包括图神经网络在深层网络、无监督学习、大规模训练、知识图谱推理等方面的前沿研究,以及它们在不同领域(如推荐系统、生化医疗、自然语言处理等)的实际应用。 《图神经网络:基础与前沿》既可作为人工智能领域研究和开发人员的技术参考书,也可作为对图上的深度学习感兴趣的高年级本科生和研究生的入门书。 为了方便读者们学习图神经网络,机器之心最新一期线上分享邀请到马腾飞为大家直播分享《图神经网络:模型与应用》,同时也将在直播过程中抽取10名幸运观众赠书,欢迎大家关注学习。
分享主题:“图神经网络:模型与应用” 嘉宾简介:马腾飞,IBM全球研究院总部研究员,本科毕业于清华大学,随后分别于北京大学和东京大学取得硕士和博士学位,研究方向为机器学习、自然语言处理和智能医疗等。他深耕图神经网络多年,近期的研究主要集中在图神经网络的可扩展性、生成模型及其在医疗、生化、自然语言处理等领域的应用。他在NeurIPS、ICLR、AAAI等人工智能国际会议上发表论文30多篇,并在AAAI与KDD等会议上多次讲授关于图神经网络前沿的专题。 分享摘要:本次分享将介绍图神经网络的基础知识、模型和发展历史,并对当前图神经网络所面临的挑战以及解决方案做简要梳理,最后列举图神经网络的应用案例并总结应用图神经网络的思路和需要注意的问题。 直播间:https://bfw.h5.xeknow.com/s/4s2iiW(点击文末阅读原文可直接跳转到直播间) 分享时间:3月23日(周二)20:00-21:00 扫码加入交流群
直播提问,参与抽书
在本次直播过程中,我们将从所有提问的小伙伴中随机抽出10位送出《图神经网络:基础与前沿》。
如果喜欢本文欢迎 在看丨留言丨分享至朋友圈 三连
热文推荐
书单|互联网企业面试案头书之架构师篇
揭秘盒马鲜生,如何打破收益增长天花板!
这可能是今年最值得入手的一本思维导图书
架构实践全景图
▼点击阅读原文,获取直播地址~
本文分享自 博文视点Broadview 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!