第一届生物神经智能—神经网络与图神经网络研讨会（2）

强化学习优化的图神经网络

研究工作1：

研究工作2：

研究工作3：






研究工作4：


研究工作5：

Towards a Multi-view Attentive Matching for Personalized Expert Finding

社区问答：为新问题推荐专家发现问题
给定一个目标问题，给其推荐专家回答

背景

现有方法的不足

相关工作

提出的模型

损失函数：

Generalizing GNNs on Out-of-Distribution Graphs

图神经网络的分布外泛化研究

● Background and Motivation

● Node classification: Debiased GNN

实验结果：

● Graph classification: Stable GNN

实验结果：

● Conclusion and Future Work

Graph Neural Networks Beyond CompromiseBetween Attribute and Topology

图神经网络拓扑与属性关系研究

属性信息与拓扑信息可能会相互干扰


属性信息与拓扑信息可能具有一致性，造成信息冗余：添加互斥项



实验结果：


总结：

参考资料：
CAAI2022 | 5月14-15日天津大学第一届生物神经智能—神经网络与图神经网络研讨会

标签：研讨会,classification,研究,Graph,工作,神经网络,GNN,第一届
来源： https://www.cnblogs.com/ttyangY77/p/16272597.html