GNN如何工业落地?36页ppt告诉你GNN落地的经验教训

2022 年 8 月 11 日 图与推荐


随着时间的推移,从汽车、制药到电子商务和银行,大型网络数据已经在大多数行业中无处不在。尽管最近做出了一些努力,但以有效和可扩展的方式在不断变化的数据上使用时间图神经网络仍然是一项挑战。本次演讲展示了euroanova的研究轨迹之一。我们提供了直接适用于实际用例的相关持续学习方法的概述。由于可解释性已成为值得信赖的AI的核心要素,我们引入了最先进的方法,用于解释节点、链接或图级预测。










登录查看更多
0

相关内容

【NeurIPS'22教程】图神经网络TensorFlow实战指南,128页ppt
专知会员服务
29+阅读 · 2022年11月30日
【UAI2022】规避风险强化学习:算法和元算法,120页ppt
专知会员服务
25+阅读 · 2022年9月3日
MIT《图神经网络的任务结构与泛化》,22页ppt
专知会员服务
23+阅读 · 2021年2月28日
如何建模动态图?看这份《时序图神经网络》26页ppt
专知会员服务
137+阅读 · 2020年7月25日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
195+阅读 · 2020年3月8日
GNN在Google是如何落地的?附Bryan的43页分享ppt
图与推荐
3+阅读 · 2022年5月12日
大家都在谈论的AI思维到底是什么?
微软研究院AI头条
0+阅读 · 2021年10月12日
【GNN】深度学习之上,图神经网络(GNN )崛起
产业智能官
16+阅读 · 2019年8月15日
PyTorch & PyTorch Geometric图神经网络(GNN)实战
专知
81+阅读 · 2019年6月1日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
16+阅读 · 2021年7月18日
Arxiv
15+阅读 · 2020年2月5日
Deep Graph Infomax
Arxiv
16+阅读 · 2018年12月21日
VIP会员
相关基金
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员