ICML’22 | ProGCL: 重新思考图对比学习中的难样本挖掘
难的负样本（与锚点样本更相似的负样本）可以提高对比学习的表现。作者发现现有的其他领域的难负样本挖掘技术并不能很好地促进图对比学习（参见原文Table 5）...
《强化学习周刊》第51期：PAC、ILQL、RRL&无模型强化学习集成于微电网络格控制：综述与启示
本期周刊整理了强化学习领域相关的最新论文推荐及研究综述，可以扫描文末的二维码加入强化学习社区群。您已经完成《强化学习周刊》订阅啦;
GNN与RL如何结合？KSU大学最新《基于图神经网络的强化学习》综述，阐述RL+GNN算法与应用
图神经网络和强化学习都是机器学习中研究的主流模型，最近来自美国堪萨斯州立大学发布了《基于图神经网络的强化学习》综述，阐述相关算法与应用。深度强化学...
智源LIVE第40期丨ICLR 2023杰出论文奖一作张博航：从图双连通性的角度重新思考图神经网络的表达能力
他曾获得ICLR 2023的论文获得杰出论文奖 (Outstanding Paper Award)，目前在北京智源人工智能研究院实习。
AI TIME丨回顾与展望神经网络的后门攻击与防御
宾夕法尼亚州州立大学电子工程系博士生向臻、清华大学博士生李一鸣、弗吉尼亚理工计算机工程博士生曾祎、普渡大学计算机科学博士生沈广宇。
加速经典算法效率，突破现实技术瓶颈：图神经网络与组合优化读书会启动
基于图神经网络的复杂系统优化与控制将会是大模型热潮之后新的未来方向，为了探讨图神经网络在算法神经化求解的发展与现实应用，包括神经算法推理、组合优化...
DGraph: 大规模动态图数据集
旨在服务图神经网络、图挖掘、社交网络、异常检测等方向的研究人员，DGraph 一方面可以作为验证相关图模型性能的标准数据，另一方面也可用于开展用户画像、网...
AI Open2022｜基于异质信息网络的推荐系统综述：概念，方法，应用与资源
推荐系统旨在为用户过滤掉不相关的信息。越来越多的工作提出在推荐系统中引入辅助信息来缓解数据稀疏和冷启动问题，基于异质信息网络(HIN)的推荐系统提供了一...
Nat Comput Sci｜利用图神经网络对空间转录组数据进行细胞聚类
电子信息与电气工程学院自动化系沈红斌教授、袁野副教授的课题组（模式识别与生物信息学课题组）在《自然-计算科学》（Nature Computational Science）上发表...
Nat. Mach. Intel. | 一种用于分子相互作用和分子性质预测自动图学习方法
作者还提出一种新的分子鲁棒性实验方法，尤其是图学习方法有可能显著提高药物发现效率，它们能从现有药物相关数据集中进行学习。这也是机器学习能够从广阔的...
这是一个专注于人工智能产品的导航站。
