视频PPT及文章资料，请关注微信公众号：人工智能前沿讲习班
PPT及文章链接：https://mp.weixin.qq.com/s/fqHropcxoP0AfQu2m1-wYQ
记忆增强神经网络（ Memory Augmented NeuralNetwork， MANN）是在传统的神经网络模型基础上增加存储模块以及相应的读写机制的一类模型。
SFFAI 2 | 二阶信息在图像分类中的应用
关注微信公众号：人工智能前沿讲习班，获取视频PPT及文章学习资料~~~
PPT及文章链接：https://mp.weixin.qq.com/s/j_nU7QB_nArHQj36PL3h9w
在图像分类问题，尤其是细分类问题中，是否由于类间差异不显著，一阶信息有一些不适用了呢？那么二阶信息是否可以带给分类器更有区分性、更有价值的信息呢？本讲内容主要介绍二阶信息运用于图像分类的方法。
SFFAI 1 | 图神经网络模型及应用进展
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。
SFFAI 1 | 网络表示学习介绍
网络数据可以自然表达物体与物体之间的联系，生活中充满了网络数据，例如社交网络、计算机网络、物流网络、学术网络等等。在有关网络的研究中，如何表示网络信息是一个重要的问题。传统方法可以利用高维稀疏向量表示网络中的一个节点，但局限在于难以度量节点之间的相似性并且还会增大模型的时间和空间复杂度。随着表示学习技术在自然语言处理领域的成熟，相关的低维稠密向量表示方法也被应用于网络数据中。本文主要对近年来比较流行的几种网络表示学习方法进行简要的梳理和总结，以方便读者选择合适的方法解决特定的问题。