MIT 图神经网络理论:表示与学习(论文+视频)

2022 年 5 月 23 日 图与推荐


图神经网络(GNNs)是一种针对学习图表示的神经网络结构,已经成为一种流行的学习模型,用于预测节点、图和点的构型的任务,并在实践中获得了广泛的成功。 本文选取了广泛应用的消息传递神经网络和高阶神经网络的逼近和学习特性的新兴理论成果,重点从表示、概括和外推三个方面进行了综述。 本文总结了数学上的联系。

论文PDF见QQ群文件:


登录查看更多
1

相关内容

【MIT-Stefanie Jegelka】图神经网络理论:表示与学习
专知会员服务
44+阅读 · 2022年5月21日
专知会员服务
97+阅读 · 2021年5月25日
专知会员服务
75+阅读 · 2020年8月25日
【MIT-ICML2020】图神经网络的泛化与表示的局限
专知会员服务
43+阅读 · 2020年6月23日
清华团队综述全面解读图神经网络理论方法与应用
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
19+阅读 · 2021年2月4日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Arxiv
19+阅读 · 2020年7月13日
VIP会员
相关VIP内容
【MIT-Stefanie Jegelka】图神经网络理论:表示与学习
专知会员服务
44+阅读 · 2022年5月21日
专知会员服务
97+阅读 · 2021年5月25日
专知会员服务
75+阅读 · 2020年8月25日
【MIT-ICML2020】图神经网络的泛化与表示的局限
专知会员服务
43+阅读 · 2020年6月23日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
相关论文
Arxiv
19+阅读 · 2021年2月4日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Arxiv
19+阅读 · 2020年7月13日
Top
微信扫码咨询专知VIP会员