亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

圖（Graph）是一種重要的數據結構，它由節點V（或稱為頂點，即個體），與邊E（即個體之間的聯系）構成。圖數據的典型例子有網頁鏈接關系、社交網絡、商品推薦等。由于圖的巨大表現能力，在圖上的研究，近年來備受矚目。清華大學的唐杰老師，近日在自己的個人主頁上更新了關于圖表示學習方面的PPT，闡述了他在圖表示學習領域方面的工作進展。

作者簡介：

唐杰，清華大學計算機科學與技術系教授。2006年在清華大學計算機科學與技術系獲得博士學位。研究興趣包括人工智能、數據挖掘、社交網絡、機器學習和知識圖譜，重點是設計挖掘社交和知識網絡的新算法。發表學術論文200余篇，擁有專利20項。曾任CIKM ' 16的PC聯合主席，WSDM ' 15, KDD ' 18的副主席，ACM TKDD的代理主編，IEEE TKDE、IEEE TBD和ACM TIST的編輯。我是AMiner.org學術社交網絡分析與挖掘項目的負責人，該項目已經吸引了來自世界220個國家和地區的1000多萬個獨立IP訪問。

報告主題：機器學習經典—理論與算法

報告摘要：此報告中我將介紹機器學習中的經典理論，以及受這些理論的啟發而設計的兩個經典算法SVM與Boosting。我將介紹算法思想的起源與發展，并探討在應用中如何選擇合適的算法。最后還將分享我對深度學習與理論關系的看法。

邀請嘉賓：王立威，北京大學信息科學技術學院教授。主要從事機器學習理論研究。在機器學習國際權威期刊會議發表高水平論文100余篇。擔任機器學習與計算機視覺頂級期刊IEEE TPAMI編委。多次擔任國際機器學習旗艦會議NeurIPS (NIPS)與ICML領域主席。入選AI’s 10 to Watch，是該獎項自設立以來首位獲此榮譽的中國學者。獲得首屆國家自然科學基金優秀青年基金。帶領團隊獲得首屆天池AI醫療大賽決賽冠軍。

報告主題：網絡表示學習

報告摘要：數據特征的有效表示是機器學習任務中最為關鍵環節之一。網絡數據（如社交網絡、信息網絡等）作為普適而廣泛的數據呈現形式，對它的高效表示學習是近年來數據挖掘和機器學習領域的研究熱點之一。本報告將重點圍繞如下內容展開：（1）網絡表示學習的基本概念；（2）幾類新型網絡表示學習方法，包括：網絡Tag表示、域自適應表示、基于網絡劃分的表示以及內存自適應的表示方法等。

嘉賓簡介：宋國杰，北京大學信息科學技術學院副教授。研究方向包括：網絡大數據分析、機器學習&數據挖掘、社會網絡分析和智能交通系統。主持了包括國家高技術研究發展計劃（863計劃）、國家科技支撐計劃、國家自然科學基金等縱向課題10多項；主持了國際（內）科研機構合作課題、企業橫向合作課題等20余項。國家級精品課程主講教師，兩度獲得北京大學教學成果一等獎（2012、2009）。在包括國際頂級期刊TKDE、TPDS、TITS以及國際頂級會議KDD、IJCAI、AAAI等發表論文100余篇，是多個國際頂級會議（KDD、WWW、AAAI、IJCAI等）的程序委員。申請國家發明專利10項，軟件著作權3項。研究成果獲“2012年度中國公路學會科學技術獎一等獎”、“2012年度山西省科學技術獎二等獎”和“2013年度中國公路學會科學技術獎一等獎”。

論壇嘉賓：楊成 北京郵電大學 助理教授

報告主題：圖神經網絡在自然語言處理領域的前沿應用

報告摘要：很多真實世界的應用場景需要處理包含著元素間豐富關系信息的圖形式的數據。在例如物理系統建模、化學分子功能預測等領域中，數據都擁有顯式的圖結構；而在另一些例如文本的非結構數據中，如何從數據中抽取推理并利用如句法樹等結構信息，也是相關領域中重要的研究方向。圖神經網絡可以通過節點間的信息傳遞（message passing）有效地捕捉結構信息。自該概念提出以來，圖神經網絡技術已經在自然語言處理、數據挖掘等多個領域得到了廣泛的應用。本報告將重點介紹圖神經網絡技術在自然語言處理領域的前沿應用。

嘉賓簡介：楊成，博士，北京郵電大學計算機學院助理教授，2019年7月畢業于清華大學計算機科學與技術系，從事自然語言處理與社會計算相關方向的研究，博士期間在國內外頂級期刊會議上發表多篇論文，Google Scholar累計獲得引用近500次，并擔任國內外頂級會議包括ACL、EMNLP、SMP等在內的程序委員會成員和期刊的審稿人。

論壇嘉賓：沈華偉 中國科學院計算技術研究所 研究員

報告主題：圖卷積神經網絡及其應用

報告摘要：卷積神經網絡在處理圖像、語音、文本等具有較好空間結構的數據時展現出了很好的優勢。然而，卷積神經網絡不能直接應用于圖（Graph）這類空間結構不規則的數據上。近年來，研究人員開始研究如何將卷積神經網絡遷移到圖數據上，涌現出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法，在基于圖的半監督分類和圖表示學習等任務中表現出很好的性能。報告首先梳理和回顧該方向的主要研究進展和發展趨勢，進而介紹報告人近期在圖卷積神經網絡方面的一些研究工作（ICLR’19; IJCAI’19）。

嘉賓簡介：沈華偉，博士，中國科學院計算技術研究所研究員，中國中文信息學會社會媒體處理專委會副主任。主要研究方向：社交網絡分析、網絡數據挖掘。先后獲得過CCF優博、中科院優博、首屆UCAS-Springer優博、中科院院長特別獎、入選首屆中科院青年創新促進會、中科院計算所“學術百星”。2013年在美國東北大學進行學術訪問。2015年被評為中國科學院優秀青年促進會會員。獲得國家科技進步二等獎、北京市科學技術二等獎、中國電子學會科學技術一等獎、中國中文信息學會錢偉長中文信息處理科學技術一等獎。出版個人專/譯著3部，在網絡社區發現、信息傳播預測、群體行為分析等方面取得了系列研究成果，發表論文100余篇。擔任PNAS、IEEE TKDE、ACM TKDD等10余個學術期刊審稿人和KDD、WWW、SIGIR、AAAI、IJCAI、CIKM、WSDM等20余個國際學術會議的程序委員會委員。