了解《图表示学习》必看的6篇论文【附打包下载地址】

论文推荐

“ 《SFFAI 67期-图表示学习专题》来自信工所的朱时超同学推荐的文章主要关注于图表示学习领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI67"获取本主题精选论文

前沿+经典共6篇

推荐理由：图级别表示学习经典论文。

—— 朱时超

推荐理由：图胶囊神经网络，将capsule概念引入GNN。

—— 朱时超

推荐理由：可微层级图池化经典论文。

—— 朱时超

推荐理由：图表示学习代表工作，利用自注意力机制进行图池化操作。

—— 朱时超

推荐理由：图池化操作代表论文，通过度量节点重要性进行池化操作。

—— 朱时超

推荐理由：知识图谱中度量节点重要性的图神经网络代表工作。

—— 朱时超

参会须知

会议主题

图表示学习专题

会议简介

近年来，人们对深度学习方法在图上的扩展越来越感兴趣。图神经网络（Graph Neural Networks，GNN）就是一种借鉴了卷积网络、循环网络和深度自动编码器的思想，用于处理图数据的神经网络结构。目前这个领域的主要挑战是找到一种方法来表示或者编码图的结构，以便机器学习模型能够轻松利用它们，这就是图表示学习。而图表示学习依然存在部分缺陷，本期我们邀请到了来自信工所的朱时超同学，为我们分享她在解决这些缺陷时提出的新框架——图平滑样条神经网络。

会议时间

2020年6月7日（周日）

20:00 -- 21:00

报名方式

公众号二维码

请同学们扫码关注本公众号，对话框回复“SFFAI67”，获取入群二维码。

SFFAI的介绍

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了人工智能前沿学生论坛SFFAI，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，进行学术传播，同时为讲者塑造个人影响力。

SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest。通过汇总各位参与者贡献的领域知识，沉淀人工智能前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献。SFFAI自2018年9月16日举办第一期，每周一期学术分享交流，截止目前已举办66期学术交流活动，共有100+位讲者分享了他们的真知灼见，来自100多家单位的同学参与了现场交流，通过线上推文、网络直播等形式，50000+人次参与了人工智能前沿学生论坛。SFFAI自发起以来，迅速成长壮大，已经成为人工智能学生交流的第一品牌，有志同道合的论坛核心志愿者团队、乐于学术分享的讲者伙伴，还有许多认可活动价值、多次报名参加现场交流的观众，大家通过参与人工智能前沿学生论坛，收获了宝贵的知识和友谊，SFFAI致力于帮助大家解决在学术中遇到的相关问题，拓展学术人脉，为大家营造专业、开放的学术交流环境！

历史文章推荐

• 牛广林：规则引导的知识图谱组合式表示学习

• 王玫：自然环境下的多种族人脸：利用信息最大化自适应网络去减少种族偏差
  

• 傅朝友：Domain-Aware Diverse Face Manipulation

• 申磊：多轮对话中的上下文信息建模

• 方杰民：Recent Advances and Highlights of NAS

• 张志鹏：SiamDW Real-Time Visual Tracking

• 周龙：同步双向文本生成

• 王亦宁：Multilingual Neural Machine Translation

• 呼奋宇：深度层次化图卷积神经网络

• 崔泽宇：套装搭配推荐在图神经网络上的应用

• 张文：Recent Advances in NMT

若您觉得此篇推文不错，麻烦点点在看↓↓