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

題目： A Survey on Network Embedding

摘要： 網絡嵌入將網絡中的節點分配給低維表示，有效地保持了網絡結構。近年來，這一新興的網絡分析范式取得了很大的進展。本文首先對網絡嵌入方法進行了分類，然后回顧了網絡嵌入方法的發展現狀，并指出了其未來的研究方向。我們首先總結了網絡嵌入的動機。討論了經典的圖嵌入算法及其與網絡嵌入的關系。隨后，我們對大量的網絡嵌入方法進行了系統的綜述，包括結構和屬性保持的網絡嵌入方法、帶邊信息的網絡嵌入方法和先進的信息保持的網絡嵌入方法。此外，還綜述了幾種網絡嵌入的評價方法和一些有用的在線資源，包括網絡數據集和軟件。最后，我們討論了利用這些網絡嵌入方法構建有效系統的框架，并指出了一些潛在的未來方向。

作者簡介： Peng Cui，清華大學計算機科學與技術系媒體與網絡實驗室副教授。

Jian Pei，現任加拿大大數據科學研究主席（Tier 1）和西蒙弗雷澤大學（Simon Fraser University）計算科學學院教授。他還是統計與精算科學系、科學院和健康科學院的副院士。他是數據科學、大數據、數據挖掘和數據庫系統等領域的知名首席研究員。他的專長是為新的數據密集型應用開發高效的數據分析技術。他被公認為計算機械協會（ACM）的研究員，他為數據挖掘的基礎、方法和應用做出貢獻，并作為電氣與電子工程師協會（IEEE）的研究員，為他的數據挖掘和知識發現做出貢獻。

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。

課程介紹： 最近，圖神經網絡 (GNN) 在各個領域越來越受到歡迎，包括社交網絡、知識圖譜、推薦系統，甚至生命科學。GNN 在對圖形中節點間的依賴關系進行建模方面能力強大，使得圖分析相關的研究領域取得了突破性進展。本次課程對比傳統的卷積神經網絡以及圖譜圖卷積與空間圖卷積，從理論知識入手，并結合相關論文進行詳細講解。

主講人： Xavier Bresson，人工智能/深度學習方面的頂級研究員，培訓師和顧問。在“圖深度學習”上的NeurIPS'17和CVPR'17（2019年頂級人工智能會議排名）上的演講者，在劍橋，加州大學洛杉磯分校，布朗，清華，龐加萊，海德堡等地進行了30多次國際演講。

課程大綱：

• 傳統卷積神經網絡
• 譜圖圖卷積
• 空間圖卷積
• 總結

報告主題：圖神經網絡 (GNN) 算法及其應用

報告摘要：圖神經網絡將深度學習方法延伸到非歐幾里得的圖數據上，大大提高了圖數據應用的精度。在這個報告中，我將簡單回顧一下圖卷積網絡（GCN）并探討如何提高GCN在圖數據上的表示學習能力。我們的研究發現幾個巧妙、簡單的方法可以有效的提高GCN的表示能力，該方法可以等價表示為圖注意力網絡（GAT）。該方法的有效性在包括阿里巴巴等多個超大規模數據集上得到驗證。

邀請嘉賓：唐杰，清華大學計算機系教授、系副主任，獲杰青。研究興趣包括：數據挖掘、社交網絡和知識圖譜。發表論文200余篇，引用10000余次（個人h-指數57）。主持研發了研究者社會網絡挖掘系統AMiner，吸引了220個國家/地區1000多萬獨立IP訪問。曾擔任國際期刊ACM TKDD的執行主編和國際會議CIKM’16、WSDM’15的PC Chair、KDD’18大會副主席。作為第1完成人獲北京市科技進步一等獎、中國人工智能學會科技進步一等獎、KDD杰出貢獻獎。

主題：Deep Learning for Graphs: Models and Applications

摘要：圖提供了多種類型的數據的通用表示，而深度學習在表示學習方面顯示了巨大的能力。因此，用圖連接深度學習提供了機會，使各種現實世界問題的通用解決方案成為可能。然而，傳統的深度學習技術對常規網格數據(如圖像和序列)具有破壞性，因此不能直接應用于圖結構數據。因此，將這兩個領域結合起來面臨著巨大的挑戰。在本教程中，我將全面概述圖深度學習的最新進展，包括模型和應用。特別地，我將介紹一些基本概念，回顧最先進算法，并舉例說明各種重要的應用。最后，我將通過討論開放問題和挑戰來總結本教程。

嘉賓簡介：唐繼良（Jiang Tang）自2016年秋季@起擔任密歇根州立大學計算機科學與工程系的助理教授。在此之前，他是Yahoo Research的研究科學家，并于2015年從亞利桑那州立大學獲得博士學位。他的研究興趣包括社交計算，數據挖掘和機器學習及其在教育中的應用。他曾獲得2019年NSF職業獎，2015年KDD最佳論文亞軍和6項最佳論文獎，包括WSDM2018和KDD2016。他是會議組織者（例如KDD，WSDM和SDM）和期刊編輯（例如TKDD）。他的研究成果發表在高排名的期刊和頂級會議論文集上，獲得了數千篇引文（Google學術搜索）和廣泛的媒體報道。

PPT鏈接：//pan.baidu.com/s/1TMv5YsQbwPcRzGy-BkY-bg

主題： Graph-based Methods in Pattern Recognition and Document Image Analysis

簡介： 模式識別和文檔圖像分析中的許多任務被公式化為圖形匹配問題。盡管問題具有NP難性，但快速準確的收斂已在模式識別的廣泛應用中取得了重大進展。因此，學習基于圖的表示形式和相關技術是真正興趣。在本教程中，我們將介紹用于獲得不同應用程序的圖形表示的許多方法。之后，我們將解釋用于在圖域中識別，分類，檢測和許多其他任務的基于圖的不同算法，方法和技術。我們將介紹最近的趨勢，包括圖卷積網絡和圖中的消息傳遞，重點介紹在各種模式識別問題中的應用，例如化學分子分類和網絡圖形表示中的檢測。此外，除了這些算法在文檔圖像分析和識別（尤其是模式識別）領域的不同應用之外，還將提供相關經驗。

嘉賓介紹： DUTTA Anjan是位于巴塞羅那計算機視覺中心的P-SPHERE項目下的Marie-Curie博士后。他于2014年獲得巴塞羅那自治大學（UAB）的計算機科學博士學位。他是IJCV，IEEE TCYB，IEEE TNNLS，PR，PRL等期刊的定期審稿人，并經常擔任BMVC，ICPR，ACPR和ICFHR等各種科學會議的程序委員會委員。他最近的研究興趣圍繞視覺對象的基于圖形的表示和解決計算機視覺，模式識別和機器學習中各種任務的基于圖形的算法。

Luqman Muhammad Muzzamil博士是文檔圖像分析，模式識別和計算機視覺的研究科學家。自2015年11月以來，盧克曼目前在拉羅謝爾大學（法國）的L3i實驗室擔任研究工程師。Luqman曾在波爾多生物信息學中心（波爾多生物信息中心）擔任研究工程師，并在拉羅謝爾大學（法國）的L3i實驗室擔任Jean-Marc Ogier教授的博士后研究員。 Luqman擁有Fran?oisRabelais的圖爾大學（法國）和巴塞羅那的Autonoma大學（西班牙）的計算機科學博士學位。他的博士學位論文由Jean-Yves Ramel教授和Josep Llados教授共同指導。他的研究興趣包括結構模式識別，文檔圖像分析，基于相機的文檔分析和識別，圖形識別，機器學習，計算機視覺，增強現實和仿生學。