作者简介
威廉·汉密尔顿（William Hamilton）是麦吉尔大学（McGill University） 计算机 科学 系的助理教授，也是 加拿大 高等研究院（Canadian Institute for Advanced Research, CIFAR）AI 方向的主席、GraphSAGE 的作者。他专注于图表示 学习 及其在计算 社会 科学和 生物学 中的应用。近年来，他在机器学习和 网络 科学领域的顶级会议发表了20 多篇关于图表示学习的论文，并且参与组织了关于该主题的几次大型研讨会，分享了多份重磅 教程 。他的 工作 获得了多个奖项的认可，其中包括 2017 年 美国 科学院Cozzarelli最佳论文奖和 2018 年斯坦福大学计算机科学系Arthur Samuel 最佳博士论文奖等。译者简介AI TIME是 2019 年由清华大学 人工智能 研究院张钹院士和清华大学计算机系唐杰教授、李涓子教授等人联合发起的圈子。AI TIME是一个开放、包容的组织，专注于探索AI科学、发扬科学思辨精神。我们邀请各界人士辩论AI本质，介绍学术前沿、展示研究机构风采，鼓励所有参与者用辩论的形式，平等、自由、充分地交流，探讨人工 智能 和 人类 未来 之间的矛盾，探索人工智能领域的未来。
内容简介
《图表示学习》提供了一份关于图表示学习的综述。首先，《图表示学习》讨论图表示学习的目标及图论和网络分析的关键 方法 论。然后，《图表示学习》介绍并回顾了学习节点嵌入的方法，包括基于随机游走的方法以及在知识图谱上的应用。再后，《图表示学习》对高度 成功 的图 神经网络 （ Graph Neural Network， GNN）进行了 技术 上的综合介绍， GNN已成为图 数据 深度学习领域占主导地位且迅速发展的范式。最后，《图表示学习》总结了针对图的深度生成模型的最新进展，这是图表示学习新生但发展迅速的子集。
威廉·汉密尔顿（William Hamilton）是麦吉尔大学（McGill University）计算机科学系的助理教授，也是加拿大高等研究院（Canadian Institute for Advanced Research, CIFAR）AI 方向的主席、GraphSAGE 的作者。他专注于图表示学习及其在计算 社会科学 和 生物 学中的应用。近年来，他在机器学习和网络科学领域的顶级会议发表了20 多篇关于图表示学习的论文，并且参与组织了关于该主题的几次大型研讨会，分享了多份重磅教程。
他的工作获得了多个奖项的认可，其中包括2017 年美国科学院Cozzarelli最佳论文奖和2018 年斯坦福大学计算机科学系Arthur Samuel 最佳博士论文奖等。
译者简介
AI TIME是 2019年由清华大学人工智能研究院张钹院士和清华大学计算机系唐杰教授、...
下载地址
本站夸克网盘「纪录片」精选资源合集：https://pan.quark.cn/s/8c76cd47e8be
本站夸克网盘「短剧」精选资源合集：https://pan.quark.cn/s/0f27fae4301e
本站夸克网盘「音乐」精选资源合集：https://pan.quark.cn/s/c999e39a7f49
本站夸克网盘「教程」精选资源合集：https://pan.quark.cn/s/27984fcacdad
本站夸克网盘「书籍」精选资源合集：https://pan.quark.cn/s/2532536273dd
评论列表
发表评论