下一代图神经网络是什么?几何深度学习,大牛Max Welling教授视频讲解

2020 年 7 月 23 日 专知

阿姆斯特丹大学Max Welling教授为你讲解图神经网络发展趋势




Max Welling教授是阿姆斯特丹大学机器学习研究主席和高通公司技术副总裁。他还被任命为加拿大高级研究所(CIFAR)的高级研究员。Max Welling在机器学习、计算机视觉、统计学和物理学方面发表了超过250篇科学论文,H指数为62。


https://staff.fnwi.uva.nl/m.welling/


Graph Nets: The Next Generation - Max Welling


在这次演讲中,我将介绍下一代的图神经网络。GNN具有对图中节点的排列和图的整体旋转不变的特性。我们认为这是不必要的限制,在这次报告中,我们将以更灵活的等变结构探索这些GNN的扩展。特别地,一般图的自然图网络在节点排列下是全局等变的,但仍然可以通过局部消息传递协议执行。我们在流形上的mesh-CNNs在SO(2)规范变换下是等变的,因此,与常规的GNN不同,它具有非各向同性的核。最后,我们的SE(3)转换器是局部消息传递GNN,对排列不变性,但对全局SE(3)变换是等价的。这些发展清楚地强调了几何和对称作为图(或其他)神经网络设计原则的重要性。



https://video.ias.edu/machinelearning/2020/0721-MaxWelling


几何深度学习

很多数据不是序列和欧几里得分布的,而是球面图网络分布,那如何使用卷积在这些数据结构上?

概览

结论

专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“GNET” 可以获取《下一代图神经网络是什么?几何深度学习,大牛Max Welling教授视频讲解》专知下载链接索引


专 · 知
专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看5000+AI主题知识资料
登录查看更多
0

相关内容

【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
177+阅读 · 2020年4月26日
通俗易懂!《图机器学习导论》附69页PPT
专知
54+阅读 · 2019年12月27日
【CVPR2019教程】视频理解中的图表示学习
专知
43+阅读 · 2019年6月20日
【干货】图卷积GCN前沿方法介绍
专知
32+阅读 · 2018年9月1日
Arxiv
18+阅读 · 2020年7月13日
Arxiv
27+阅读 · 2020年6月19日
Principal Neighbourhood Aggregation for Graph Nets
Arxiv
17+阅读 · 2020年6月7日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
7+阅读 · 2018年1月10日
VIP会员
相关论文
Top
微信扫码咨询专知VIP会员