Link to the unknown
Graph-Structured-Data当下被广泛应用于科研以及工程当中,其中包括社交网络,传感器网络,量子化学以及神经科学等等前沿领域。
尽管目前深度学习在演讲识别,机器翻译以及计算机视觉中取得了突破性进展,然而在处理Graph-Structured-data时仍然捉襟见肘。
原因在于Graph-Structured-data的数据结构变换莫测,因此导致一些类似于卷积这样的传统处理方式无法施展拳脚。
正因为如此,如何将如此成功的深度学习模型中的关键元素提出,并为Graph-Structured-data所用成为了一个十分重要又充满挑战性的课题。
在这一次演讲讲座中,Renjie Liao将会深入讲解一些能够泛用于Graph-Structured-Data的深度学习方法,并且畅谈在这个方向上的最新研究成果。一些开放性的问题也将在这次演讲中进行讨论。
Renjie Liao
多伦多大学 ML Group PHD,由Raquel Urtasun教授以及Richard Zemel教授共同监督指导。他同时也是Uber Advanced Technology Group Toronto的研究员。
他的研究兴趣是机器学习与计算机视觉。近期的研究方向是桥接深度学习与概率图模型,以及开发基于学习的RGBD语义分割(RGBD semantic segmentation)和图像超分辨率(video/image super solution)模型。
文字、编辑、排版:Harvey
校对: Justin
领取专属 10元无门槛券
私享最新 技术干货