图机器学习(Machine Learning on Graphs)是一项重要且普遍存在的任务,其应用范围从药物设计到社交网络中的友情推荐。这个领域的主要挑战是找到一种表示或编码图结构的方法,以便机器学习模型能够轻松地利用它。
【普林斯顿博士论文】图机器学习,137页pdf
专知会员服务
19+阅读 · 5月1日
【牛津大学博士论文】图机器学习的鲁棒性分析
专知会员服务
12+阅读 · 4月30日
《图持续学习》综述
专知会员服务
23+阅读 · 2月20日
《图机器学习》课程
专知会员服务
42+阅读 · 2月18日
《图持续学习》综述
专知会员服务
35+阅读 · 2月13日
《图简化(Graph Reduction)》最新综述
专知会员服务
25+阅读 · 2月10日
【2024新书】数据科学中的图算法:以Neo4j为例
专知会员服务
72+阅读 · 1月19日
异质图学习:进展和未来
专知会员服务
40+阅读 · 1月19日
【NeurIPS 2023】环境感知的动态图学习,用于分布外泛化
专知会员服务
28+阅读 · 2023年11月22日
18篇 NeurIPS 2023 | 自动化所新作速览!
专知会员服务
29+阅读 · 2023年10月18日
【EPFL博士论文】等变神经结构用于表示和生成图,170页pdf
专知会员服务
23+阅读 · 2023年10月18日
以数据为中心的图机器学习
专知会员服务
34+阅读 · 2023年9月25日
参考链接
父主题
微信扫码咨询专知VIP会员