几何深度学习是一种从对称性和不变性的角度对大量ML问题进行几何统一的尝试。这些原理不仅奠定了卷积神经网络的突破性性能和最近成功的图神经网络的基础,而且也提供了一种原则性的方法来构建新型的问题特定的归纳偏差。Simone Scardapane讲述关于图与几何深度学习的报告。图神经网络是一种功能强大的深度学习模型。

https://www.sscardapane.it/

成为VIP会员查看完整内容
83

相关内容

【图神经网络导论】Intro to Graph Neural Networks,176页ppt
专知会员服务
122+阅读 · 2021年6月4日
重磅!几何深度学习 新书,160页pdf阐述
专知会员服务
255+阅读 · 2021年4月29日
【图与几何深度学习】Graph and geometric deep learning,49页ppt
最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
54+阅读 · 2019年11月10日
图神经网络库PyTorch geometric
图与推荐
17+阅读 · 2020年3月22日
PyTorch & PyTorch Geometric图神经网络(GNN)实战
专知
81+阅读 · 2019年6月1日
Arxiv
0+阅读 · 2021年8月7日
Arxiv
63+阅读 · 2021年6月18日
Arxiv
54+阅读 · 2021年5月3日
Arxiv
11+阅读 · 2021年3月25日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
11+阅读 · 2018年7月8日
Arxiv
5+阅读 · 2018年5月31日
Arxiv
8+阅读 · 2018年5月15日
VIP会员
相关论文
Arxiv
0+阅读 · 2021年8月7日
Arxiv
63+阅读 · 2021年6月18日
Arxiv
54+阅读 · 2021年5月3日
Arxiv
11+阅读 · 2021年3月25日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
11+阅读 · 2018年7月8日
Arxiv
5+阅读 · 2018年5月31日
Arxiv
8+阅读 · 2018年5月15日
微信扫码咨询专知VIP会员