直播报名｜重新思考GNN，不卷积的图神经网络，实现高效计算，热门工作

报告主题：重新思考GNN，不卷积的图神经网络

报告日期：8月21日（周三）10:30-11:30

报告要点：

重新思考卷积图神经网络（GNN）：它们表达能力有限，容易出现过度平滑和过度压缩，并且需要特殊的稀疏模块来实现高效运算。我们设计完全不依赖卷积运算符的图学习模块，称为随机游走统一记忆（RUM），其中RNN将终止于每个节点的拓扑特征和语义特征合并。基于丰富的RNN和图拓扑学研究，我们理论上证明并实验上验证RUM减弱了上文所述的症状，并且比比Weisfeiler-Lehman（WL）同构测试更具表达能力。在各种节点和图层面的分类和回归任务中，RUM展现了较强的性能，并且具有强鲁棒性、高内存效率、可拓展性和很高的速度。

报告嘉宾：

王源清，纽约大学Simons Center Independent Fellow, Schmidt Science Fellow. 设计为药物化学家所有、所治、所享的图机器学习模型、等变模型、和量子替代立场模型。

扫码报名

---

近期热门报告