31页PPT概述：图神经网络表达能力有多强？

整理 | 一一

出品 | AI科技大本营

近年来，图神经网络的研究成为深度学习领域的热点。

图是一种数据结构，它对一组对象（节点）及其关系（边）进行建模，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，GNN 最近已成为一种广泛应用的图分析方法。

图网络作为一种神经网络，它将图作为输入（而不是原始像素或声波），然后学会推理和预测对象及其关系如何随时间演变。

图网络方法已经被证明在各种应用上都可以快速学习和达到人类级别的性能，包括复杂的视频游戏。如果未来继续发展，它就可以通过提高训练速度和效率来缓解深度学习的巨量数据需求问题，并且可以使网络不容易受到对抗性攻击，这是由于系统表征的是物体，而不是像素模式，所以使得其不会被少量噪音轻易误导。

在这份由多位斯坦福大学的作者撰写的 31 页 PPT 中，他们整体概述了图网络的来源和任务，对图神经网络的架构、训练和可能面临的挑战等做出了全方位的解读，并在最后指出了未来 2-3 年内的发展情况。