圖深度學(xué)習(xí)除了可以應(yīng)用于標(biāo)準(zhǔn)圖推理任務(wù)以外，還廣泛應(yīng)用于推薦、化學(xué)、疾病或藥物預(yù)測、自然語言處理、計(jì)算機(jī)視覺、交通預(yù)測以及求解基于圖的 NP 問題。

可見，基于圖的深度學(xué)習(xí)不僅有助于挖掘現(xiàn)有圖數(shù)據(jù)背后的豐富價(jià)值，而且還通過將關(guān)系數(shù)據(jù)自然地建模為圖，有助于推進(jìn)其他學(xué)科的發(fā)展，極大地?cái)U(kuò)大了基于圖的深度學(xué)習(xí)的適用性，促使圖的深度學(xué)習(xí)受到了廣泛的歡迎。今天特地為大家整理了一些基于圖深度學(xué)習(xí)的前沿工作，限時(shí)免費(fèi)哦~

CogDL：助力圖機(jī)器學(xué)習(xí)的研究與應(yīng)用

01主講人

02嘉賓介紹

清華大學(xué)計(jì)算機(jī)系博士生，師從唐杰教授。研究方向?yàn)閳D機(jī)器學(xué)習(xí)與推薦系統(tǒng)，以第一作者的身份在KDD/TKDE等國際知名會(huì)議和期刊上發(fā)表多篇論文。
目前主要負(fù)責(zé)圖機(jī)器學(xué)習(xí)工具包CogDL。CogDL在github上已有900多個(gè)星標(biāo)，吸引了國內(nèi)外學(xué)者的廣泛關(guān)注。

03直播內(nèi)容

1. 圖機(jī)器學(xué)習(xí)簡介2. 圖神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)
3. 前沿圖神經(jīng)網(wǎng)絡(luò)研究介紹
4. 圖機(jī)器學(xué)習(xí)工具包CogDL介紹

04直播時(shí)間

1月10日（本周一）

報(bào)名方式：https://www.shenlanxueyuan.com/open/course/134

基于圖神經(jīng)網(wǎng)絡(luò)為群體機(jī)器人構(gòu)建信息分享機(jī)制

01 主講人

02嘉賓介紹

英國劍橋大學(xué)計(jì)算機(jī)系Prorok Lab博士生（師從 Dr Amanda Prorok）。博士期間主要研究有意識(shí)進(jìn)行信息交換的群體機(jī)器人運(yùn)動(dòng)規(guī)劃算法。主要探索基于圖神經(jīng)網(wǎng)絡(luò)（GNN）為群體智能以及群體機(jī)器人構(gòu)建信息溝通頻道，使得群體機(jī)器人之間可以學(xué)習(xí)如何更有效進(jìn)行顯性的信息交換。研究工作可以用于隨需響應(yīng)（mobility-on-demand systems）, 自動(dòng)化倉儲(chǔ)物流，以及智慧城市。

碩士就讀于在由楊廣中教授和Ara Darzi爵士在帝國理工學(xué)院創(chuàng)立的Hamlyn Centre, 主要研究醫(yī)療機(jī)器人及醫(yī)療圖像引導(dǎo)干預(yù)的現(xiàn)代醫(yī)學(xué)技術(shù)。在Prof Daniel Elson的指導(dǎo)下，進(jìn)行了為期八個(gè)月的關(guān)于用多光譜圖像進(jìn)行血氧飽和度估計(jì)的獨(dú)立研究。在此加入Hamlyn Centre前，畢業(yè)于愛丁堡大學(xué)機(jī)械工程系。

Google Scholar:

https://scholar.google.com/citations?user=zyj2sIgAAAAJ&hl=en

Homepage:

https://qingbiaoli.github.io/

03直播內(nèi)容

1. GNNs: from the concepts into its potential

2. Problem Formulation

3. Research work: GNN in MAPF

? ? 3.1 Motivation

? ? ? ??3.1.1 Applications: why multi-robot path planning Existing challenges

? ??3.2 Proposed Framework of Graph MAPF

? ??3.3 Performance Evaluation Metrics

? ??3.4 Results and Discussion of Graph MAPF

? ??3.5 How to tackle redundant communication and communication overload in large-scale

? ??? ??3.5.1 system Message Aware Graph Attention neTworks (MAGAT)

? ??3.6 Results and Discussion of MAGAT

? ??3.7 GNN for multi-robot coordination from simulation into real-world experiment

04直播時(shí)間

1月12日（本周三）

報(bào)名方式：https://www.shenlanxueyuan.com/open/course/136

圖機(jī)器學(xué)習(xí)中的數(shù)據(jù)增強(qiáng)技術(shù)

01主講人

02嘉賓介紹

圣母大學(xué)（University of Notre Dame）五年級博士生，即將作為research scientist加入Snap Research。曾獲得Snap和亞馬遜的獎(jiǎng)學(xué)金。研究興趣包括圖機(jī)器學(xué)習(xí)、圖表征學(xué)習(xí)和異常檢測。論文多次發(fā)表在KDD、AAAI、CIKM、TNNLS、TKDE等頂級會(huì)議和期刊上。

曾擔(dān)任眾多知名會(huì)議（如KDD、NeurIPS、ICLR、AAAI等）及期刊（如TNNLS、TKDE等）的程序委員會(huì)委員和審稿人。The Machine Learning on Graph (MLoG) workshop (WSDM 2022)的組織者。

個(gè)人主頁：

https://tzhao.io/

Google Scholar：

https://scholar.google.com/citations?user=05cRc-MAAAAJ

03直播內(nèi)容

1. 圖機(jī)器學(xué)習(xí)及數(shù)據(jù)增強(qiáng)技術(shù)簡介

2. 用于節(jié)點(diǎn)分類任務(wù)的圖數(shù)據(jù)增強(qiáng)技術(shù)

3. 用于鏈路預(yù)測任務(wù)的圖數(shù)據(jù)增強(qiáng)技術(shù)

04直播時(shí)間

1月15日（本周六）

報(bào)名方式：https://www.shenlanxueyuan.com/open/course/135

領(lǐng)取以上公開課課件，私信回復(fù)【專場】