图神经网络为何如此强大?看完这份斯坦福31页PPT就懂了!

2019 年 2 月 17 日 新智元
图神经网络为何如此强大?看完这份斯坦福31页PPT就懂了!



  新智元报道  

来源:Stanford 

编辑:大明

【新智元导读】去年DeepMind、谷歌大脑、MIT等机构联合提出“图网络”(GNN),将端到端学习与归纳推理相结合,有望解决深度学习无法进行关系推理的问题。图网络究竟为什么如此强大?背后的机制如何?未来发展方向有哪些?这里有一份斯坦福31页PPT,带你看个明白。

图神经网络最近是个很火的话题,与传统的神经网络相比,图神经网络将图形作为输入(而不是原始像素或声波),然后学习推理和预测对象及其关系如何随时间演变。图网络方法已经证明了在一系列应用实现快速学习,达到人类水平的能力。


此外,图网络可以使网络不那么容易受到对抗性攻击,原因很简单,它是一个将事物表示为对象,而不是像素模式的系统,不会轻易被一点噪音或无关的贴纸所干扰。


新智元今天为大家推荐一份PPT综述,作者是斯坦福大学的多位博士后和博士生。这篇综述由基于神经网络和图网络的任务入手,对图神经网络的建立、架构、训练模式和模型特征等方面做了系统的梳理和介绍,并在最后给出了几个产业界和学术界的应用实例。


下面是全部PPT文稿(共31页),供感兴趣的读者参考。



首先介绍了传统神经网络任务和图网络的区别



为何图网络难以构建?

图网络架构解析:如何通过图向计算节点特征传播信息


GraphSAGE:聚合后的参数可供全部计算节点共享



提出DiffPool架构,对图网络进行池化


下面是几个应用实例:


图网络的强大判别能力和表达能力



结论与未来研究方向:



最后是参考文献与作者介绍:





更多阅读


【加入社群】


新智元AI技术+产业社群招募中,欢迎对AI技术+产业落地感兴趣的同学,加小助手微信号:aiera2015_2   入群;通过审核后我们将邀请进群,加入社群后务必修改群备注(姓名 - 公司 - 职位;专业群审核较严,敬请谅解)。


登录查看更多
44

相关内容

图神经网络 (GNN) 是一种连接模型,它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是,图神经网络保留了一种状态,可以表示来自其邻域的具有任意深度的信息。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等

课程介绍: 最近,图神经网络 (GNN) 在各个领域越来越受到欢迎,包括社交网络、知识图谱、推荐系统,甚至生命科学。GNN 在对图形中节点间的依赖关系进行建模方面能力强大,使得图分析相关的研究领域取得了突破性进展。本次课程对比传统的卷积神经网络以及图谱图卷积与空间图卷积,从理论知识入手,并结合相关论文进行详细讲解。

主讲人: Xavier Bresson,人工智能/深度学习方面的顶级研究员,培训师和顾问。在“图深度学习”上的NeurIPS'17和CVPR'17(2019年顶级人工智能会议排名)上的演讲者,在剑桥,加州大学洛杉矶分校,布朗,清华,庞加莱,海德堡等地进行了30多次国际演讲。

课程大纲:

  • 传统卷积神经网络
  • 谱图图卷积
  • 空间图卷积
  • 总结
成为VIP会员查看完整内容
0
210
小贴士
相关VIP内容
专知会员服务
65+阅读 · 2020年6月11日
专知会员服务
85+阅读 · 2020年6月2日
专知会员服务
84+阅读 · 2020年5月6日
专知会员服务
93+阅读 · 2020年4月25日
一份简短《图神经网络GNN》笔记,入门小册
专知会员服务
191+阅读 · 2020年4月11日
相关论文
A Collective Learning Framework to Boost GNN Expressiveness
Mengyue Hang,Jennifer Neville,Bruno Ribeiro
19+阅读 · 2020年3月26日
Jianzhu Guo,Xiangyu Zhu,Chenxu Zhao,Dong Cao,Zhen Lei,Stan Z. Li
5+阅读 · 2020年3月17日
Memory Augmented Graph Neural Networks for Sequential Recommendation
Chen Ma,Liheng Ma,Yingxue Zhang,Jianing Sun,Xue Liu,Mark Coates
12+阅读 · 2019年12月26日
Saurabh Verma,Zhi-Li Zhang
4+阅读 · 2019年9月25日
Kamran Kowsari,Kiana Jafari Meimandi,Mojtaba Heidarysafa,Sanjana Mendu,Laura E. Barnes,Donald E. Brown
3+阅读 · 2019年4月25日
dynnode2vec: Scalable Dynamic Network Embedding
Sedigheh Mahdavi,Shima Khoshraftar,Aijun An
9+阅读 · 2018年12月6日
Yao Ma,Ziyi Guo,Zhaochun Ren,Eric Zhao,Jiliang Tang,Dawei Yin
15+阅读 · 2018年10月24日
Question Answering by Reasoning Across Documents with Graph Convolutional Networks
Nicola De Cao,Wilker Aziz,Ivan Titov
3+阅读 · 2018年8月29日
Pei Guo,Connor Anderson,Kolten Pearson,Ryan Farrell
6+阅读 · 2018年5月23日
Junliang Guo,Linli Xu,Xunpeng Huang,Enhong Chen
3+阅读 · 2018年3月5日
Top