关注微信公众号：人工智能前沿讲习班，公众号对话框回复“高扬”获取PPT。
半监督图卷积神经网络(Semi-GCN)对原始的GCN进行了约束与简化，也因此诞生了诸多研究方向。GraphSAGE首先归纳出了Neighbor Aggregate模式；GAT将Attention机制引入到了GCN当中；GeniePath尝试将GCN的层次做深。本次讨论将主要介绍semi-GCN之后的这些变体与它们之间的联系，以及当前GCN研究当中的问题与挑战。
讲者介绍
高扬：中国科学院信息工程研究所硕博二年级在读，本科毕业于吉林大学。目前主要研究方向是图神经网络及其应用。
报告题目：图神经网络的变种与挑战
报告摘要：半监督图卷积神经网络(Semi-GCN)对原始的GCN进行了约束与简化，也因此诞生了诸多研究方向。GraphSAGE首先归纳出了Neighbor Aggregate模式；GAT将Attention机制引入到了GCN当中；GeniePath尝试将GCN的层次做深。本次讨论将主要介绍semi-GCN之后的这些变体与它们之间的联系，以及当前GCN研究当中的问题与挑战。
Spotlight：
- semi-GCN之后的研究方向；
- semi-GCN，GraphSAGE，GAT以及GeniePath之间的联系；
- 当前GCN中的挑战
参考资料
https://www.bilibili.com/video/BV1Ut411r7fJ/
https://bbs.sffai.com/d/36