图神经网络
分享图神经网络的最新顶会成果，交流图神经网络在典型应用场景的落地方法及效果，推动网络表示学习在性能、鲁棒性、可信性等方面的进步
OpenHGNN发布0.3版本
更新异质图相关模型、提供API调用方式、简化定制数据集和模型流程、提供异质图统计信息可视化工具等。OpenHGNN第三版本修改和新增了一些异质图模型：新增节点...
神经网络模型相似性：功能和表征相似性度量方法综述
提供了对神经网络模型的功能和表征相似性度量方法的全面概述。并讨论了其属性、应用和开放研究问题,功能和表征相似性度量方法综述，测量神经网络的相似性已成...
KDD 2022 | 图“预训练、提示、微调”范式下的图神经网络泛化框架
解决由传统 GNN 预训练中 Pretext 任务与下游任务之间内在训练目标差距导致的难以引出预训练的图知识、负迁移的问题。图神经网络 (GNNs) 已经成为许多现实世...
ICML2022 | 可扩展深度高斯马尔可夫随机场
图上的机器学习方法在许多应用中已经被证明是有用的。因为它们能够处理一般结构化数据，高斯马尔可夫随机场(GMRFs)框架提供了一种原则性的方法。利用图的稀疏...
中科院&华为Vision GNN：只使用图神经网络进行视觉任务
目前广泛应用的卷积神经网络和卷积神经转换器将图像视为网格或序列结构。本文提出将图像表示为图（Graph）结构，ViG）体系结构来提取视觉任务的图级（Graph-L...
KDD 2022 | GraphMAE:自监督掩码图自编码器
生成式自监督模型在NLP和CV领域得到广泛应用，不论是节点分类还是图分类任务“生成式自监督的性能都被对比学习甩”要么需要使用负采样、动量更新或指数滑动平均...
AAAI22 | 结构标记和交互建模：用于图分类的“SLIM”网络
今天分享一篇来自香港中文大学查宏远教授团队的一篇发表在AAAI上的论文Structural Landmarking and Interaction Modelling:SLIM”该论文认为之前的图分类任务...
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...
这是一个专注于人工智能产品的导航站。
