登录会员系统  |  联系我们  |  加入学会  
学会活动
CSIG图像图形学科前沿讲习班—“图神经网络”
发布时间:2019-11-19      来源:中国图象图形学学会      分享:

        2019年11月17日,中国图象图形学学会主办的第13期“图神经网络”学科前沿讲习班(IGAL 13)在清华大学圆满闭幕。本次活动由清华大学朱军教授担任学术主任,清华大学人工智能学院承办,深蓝学院支持,来自全国各地的270余位老师、学生以及企业工程师参加。


image.png

会议现场

 

        11月16日上午,清华大学苏航副教授主持开班仪式,首先对大家参加讲习班表示感谢,然后介绍了图神经网络在社交网络、知识网络、生命科学等领域都有广泛的应用,本期讲习班邀请到了国内外顶尖的学者,给大家做图神经网络最新的前沿进展的报告。


image.png

苏航副教授主持开班仪式


        接下来,学会副理事长兼秘书长马惠敏教授以及本期讲习班学术主任朱军教授分别致辞。马惠敏教授在致辞中介绍了中国图象图形学学会的基本情况以及学会主办的特色活动,对学会讲习班活动的概况做了说明,同时感谢学术主任朱军教授这段时间的辛勤筹备,希望大家在接下来为期两天的活动中与8位专家充分交流,学有所获。


image.png

马惠敏教授致辞

 

        朱军教授在致辞中介绍了本期“图神经网络”讲习班的选题背景,并分别介绍了来自学术界和工业界的8位国内外顶尖学者。同时,希望大家在未来两天的时间里与报告嘉宾充分交流,学习更多的前沿成果。

 

image.png

 朱军教授致辞


        两天的讲习班由清华大学李崇轩助理研究员主持。

 

image.png

李崇轩助理研究员


        讲习班第一场报告,清华大学唐杰教授作了“图神经网络(GNN)及认知推理”的分享。唐老师在报告中分享了团队在图神经网络方面做的相关研究和思考。首先从算法角度分析了当下经典的图表示学习算法的本质关系,接着提出了统一算法框架MetMF和大规模版本NetSMF,并在稀疏图理论的基础上提出了高校快速学习算法ProNE。最后,简单回顾了图卷积网络(GCN)并与大家探讨了如何提高GCN在图数据上的表示学习能力。


image.png

唐杰教授作报告

 

        第二场报告,清华大学崔鹏副教授围绕“Frontiers in Network Embedding and GCN”这一主题作分享。崔老师首先讨论了网络(Network)以及网络数据表示的重要性,即如何恰当地表示网络,以便在时间和空间上高效地执行高级分析任务,例如模式发现、分析与预测。然后,崔老师介绍了网络嵌入与GCN的最新趋势与成果,包括disentangled GCN、anti-attack GCN以及用于网络嵌入的自动机器学习。


image.png

崔鹏副教授作报告

 

        第三场报告,佐治亚理工学院宋乐副教授围绕“Graph Neural Network for Representation Learning and Symbolic Reasoning”这一主题作分享。宋老师首先以传统图像算法与图神经网络之间的关系作为引入,让大家对图有更深刻的理解。接着介绍了将消息传递算法嵌入函数空间以及从数据中学习算法的思想,并概述了基于该思想提出的图神经网络框架。

 

image.png

宋乐教授作报告

 

        第四场报告,北京邮电大学石川教授作了题为“异质图神经网络及其应用”的分享。石老师重点介绍了一种特别的图—异质图(Heterogeneous Graph,是指实际的网络由不同的对象不同类型的交互构成的网络)。报告首先介绍了异质图网络表示学习的早期工作(Metapath2Vec、HIN2Vec),接着介绍了课题组将异质图网络在套现用户检测、手淘推荐、文本分析等领域的应用。

 

image.png

石川教授作报告

 

        17日上午,亚马逊云上海人工智能研究院、上海纽约大学计算机系张峥教授及团队以“DGL: 易用,快速,灵活的深度图学习框架”为主题,介绍了深度图学习及其基本属性,进一步深度图学习的解决方案—DGL(Deep Graph Library)以及在视觉、自然语言处理、推荐系统等任务中的应用。

 

image.png

 张峥教授作报告

 

        中国人民大学魏哲巍教授作了题为“图表示学习的理论基础”的分享。报告主要从图表示学习的基础理论出发,对目前的图表示学习方法(包括基于矩阵分解的方法、基于随机游走的算法、图神经网络等)进行梳理,统一到NCE模型与矩阵分解模型下。

 

image.png

魏哲巍教授作报告


        下午,阿里巴巴达摩院资深算法专家杨红霞博士作了题为“超大规模图神经网络实践与挑战”报告。杨博士分享了最近在GNN上的一些研究进展,包括采样、多峰、动态、多层次等属性异构图,以及这些模型在各种业务场景,包括在阿里巴巴电子商务平台的产品推荐和个性化搜索的效果。

 

image.png

杨红霞博士作报告


        上海交通大学严骏驰研究员作了题为“Neural Graph Matching and Beyongd”的报告。严老师首先简要介绍了图匹配的问题,展示了通过深度学习解决图匹配的基于两个深度网络的流程,还分享了在两个或多个图之间进行联合匹配和链接预测的工作,最后论述了将图匹配与机器学习联合的未来工作与前景。

 

image.png

严骏驰研究员作报告

 

        报告结束后,学术主任朱军教授在结营仪式上做了本期讲习班的总结,并对报告嘉宾的分享和参会者的支持表示感谢。 


image.png

部分参会人合影


        第13期图神经网络学科前沿讲习班,在各位报告嘉宾、广大同行以及学会的各级领导的大力支持下,取得了圆满成功。



 



Copyright © 2024 中国图象图形学学会 京公网安备 11010802035643号   京ICP备12009057号-1

地址:北京市海淀区中关村东路95号 邮编:100190

技术支持:中科服