剑桥 | 《图神经网络几何图处理》,Chaitanya K. Joshi主讲,附视频与Slides
神经网络 处理 视频 几何 剑桥 主讲
2023-06-13 09:17:21 时间
几何图是一种空间嵌入图,用于生物化学、物理模拟和多智能体机器人系统建模。重要的是,图的属性会随着全局欧氏变换或系统的对称性进行变换,例如旋转、反射和平移。具有全局对称性的图神经网络(GNN)已经成为几何图的架构选择。本讲座将介绍两类几何GNNs:(1)等变GNNs,使用全局对称等变的标量和几何特征;(2)不变GNN,它只通过不变标量(如距离和角度)进行局部推理。此外,我们将从区分几何图形的角度研究这两类几何gnn的表达能力,即图同构检验。我们将介绍几何威斯菲勒-勒曼图同构检验(GWL)。然后,我们将使用GWL框架正式表明,等变GNN比不变GNN具有更强的表达能力,因为它们能够传播超越局部邻域的几何信息,并组成构建远程交互。
相关文章
- 卷积神经网络图解_卷积神经网络分类
- DenseNet共一、CVPR 2017最佳论文得主刘壮博士论文,从另一视角看神经网络架构
- 一文读懂卷积神经网络(CNN)
- pytorch实现卷积神经网络_pytorch项目
- 【剑桥大学博士论文】图神经网络的实用处理与加速
- 【视频】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享|附代码数据
- DALL-E和Flamingo能相互理解吗?三个预训练SOTA神经网络统一图像和文本
- 清华大学计图团队首创三角网格面片上的卷积神经网络,首次取得100%正确率
- Amazon SageMaker实战教程(三):DGL图神经网络详解
- 谷歌搜索也是拼了!为上马神经网络,百名 PhD人工处理数据
- 卷积神经网络不能处理“图”结构数据?这篇文章告诉你答案