《图神经网络导论》，斯坦福尤佳轩博士讲授

【导读】来自斯坦福大学的尤佳轩博士在CS520上讲述《图神经网络导论》，包含图神经网络的动机、概念、应用等。值得关注。

尤佳轩，斯坦福大学CS在读四年级博士生，师从Jure Leskovec教授。本科就读于清华大学，自动化与经济学双学位，期间曾跟随朱军、Stefano Ermon、David Lobell等知名学者进行学术研究，在经济学、社会科学、智能交通、机器学习等领域均曾以第一作者发表文章，如经济学领域的"从法币到金圆券——试论货币信用的核心作用"、"我国新能源汽车产业环保现状分析——基于实地调研及定量计算方法"等，以及两篇顶会论文（ITSC 2016与AAAI 2017）。

他的主要研究内容为开发用于图/关系结构数据的机器学习算法。他认为，在关系数据中，理解和推理的能力对于下一代AI至关重要。具体来说，尤佳轩的研究包括以下方向：1）从图结构中学习；2）生成和优化图结构；3）使图结构作为深度学习的先验；4）图学习技术的大规模应用。博士期间，尤佳轩曾在Facebook与Pinterest实习，与何恺明、Saining Xie等人进行研究合作，并共同发文（ICML 2020）。目前，尤佳轩共发表学术论文17篇，其中顶会论文13篇，顶会一作11篇。

个人主页： https://cs.stanford.edu/people/jiaxuan/

图神经网络导论

在这一讲中，我们介绍了图神经网络(GNN)的流行领域。图神经网络在各种任务中表现出非凡的性能，并能处理图的复杂性质。我们将首先讨论GNN的动机和好处。然后，我们将介绍GNN的核心思想，即通过节点的局部邻域结构来进行节点间的消息传递计算。最后，我们将介绍GNN在节点、边、子图和图级任务中的应用。