关注微信公众号：人工智能前沿讲习班，回复“朱时超”，获取PPT和视频下载链接
图网络，是对以前各种对图进行操作的神经网络方法的推广和扩展，学习图网络中实体、关系向量表示以及构成规则，又称图神经网络。在图网络中使用关系归纳偏置学习，保存结构化输入数据之间的拓扑关系，并通过对输入数据的节点处理来跟踪节点中的图结构。图网络具有强大的关系归纳偏置，为操纵结构化知识和生成结构化行为提供了直接界面。结构化表示和计算可实现模型的组合泛化能力，这一能力非常重要，可为更复杂、可解释和灵活的学习和推理模式打下基础。
讲者介绍
朱时超，中国科学院信息工程研究所，主要研究方向为图神经网络、异质图表示学习，目前已在AAAI与ICDM等会议上发表论文。
报告题目：图神经网络模型及应用进展
报告摘要：Deepmind尝试把拓扑结 构网络图与深度强化学习融合，由此提出了一个新的AI模块一一图网络。图网络，是对以前各种对图进行操作的神经网络方法的推广和扩展，学习图网络中实体、关系的向量表示以及构成它们的规则。在图网络中使用关系归纳偏置学习，保存结构化输入数据之间的拓扑关系，并通过对输入数据的节点处理来跟踪节点中的图结构。因此，图网络具有强大的关系归纳偏置，为操纵结构化知识和生成结构化行为提供了一个直接的界面。结构化的表示和计算可以实现模型的组合泛化能力，这-能力非常重要，可以为更复杂、可解释和灵活的学习和推理模式打下基础。图神经网络模型已经在不同的问题领域中进行了探索，包括监督、半监督、非监督和强化学习设置，它们在被认为具有丰富关系结构的任务中是有效的。本讲内容主要包含图网络基础框架和应用。
参考资料
https://www.bilibili.com/video/BV1Et411D7Ky/
https://bbs.sffai.com/d/1