報告題目：異配圖神經網(wǎng)絡：理論與方法
報告時間：2023年11月21日下午15：00-16：00
報告地點：kaiyun開云官方網(wǎng)站犀浦校區(qū)7教7510
報告人：李明
摘要：圖神經網(wǎng)絡（GNN）已成為機器學習領域的研究熱點之一。近年來涌現(xiàn)出了一系列基于譜圖理論或空域方法的GNN模型，它們在計算機視覺、自然語言處理、社交網(wǎng)絡分析、推薦系統(tǒng)等多個領域都備受關注。然而，多數(shù)經典的GNN模型通常假設圖數(shù)據(jù)存在較好的同配性，在處理異配圖數(shù)據(jù)時表現(xiàn)相對較差，經典的消息傳遞框架 (MPNN) 在進行異配圖表示學習中存在一定的缺陷。本報告將從譜域及空域視角分別淺談構建異配圖神經網(wǎng)絡模型的思路及方法，分享有關異配圖神經網(wǎng)絡、異配圖表示學習理論與方法研究的一點思考和見解。
報告人簡介：李明，教授，博士生導師，入選浙江省高校高層次拔尖人才，浙江省“錢江人才計劃”特殊急需人才，浙師大“雙龍學者” 特聘教授，浙江省智能教育技術與應用重點實驗室——支撐技術研究中心主任，擔任Neural Networks、Applied Intelligence、Soft Computing、Neural Processing Letters四個國際期刊副主編，曾任IEEE TNNLS“Deep Neural Networks for Graphs: Theory, Models, Algorithms and Applications”?？紫匮敝骶?。在國際權威期刊如IEEE TPAMI，AI，IEEE TKDE，IEEE TNNLS，IEEE TCYB，IEEE TAI，IEEE TII，IEEE TITS，ACM TMOS及 CCF A 類國際頂級會議ICML，NeurIPS，IJCAI上發(fā)表論文60余篇，主持國家級及省部級縱向項目7項（含國自科區(qū)創(chuàng)聯(lián)合基金重點項目1項），申請發(fā)明專利20余項。曾獲第三屆全國高校教師教學創(chuàng)新大賽浙江省二等獎 (新工科正高組)，指導學生獲“華為杯”第五屆中國研究生人工智能創(chuàng)新大賽三等獎。
窗體底端
