圖神經(jīng)網(wǎng)絡(luò)到底有多厲害？斯坦福33頁PPT帶你看明白！

去年，DeepMind、谷歌大腦、MIT等機(jī)構(gòu)聯(lián)合提出“圖網(wǎng)絡(luò)”（GNN），將端到端學(xué)習(xí)與歸納推理相結(jié)合，有望解決深度學(xué)習(xí)無法進(jìn)行關(guān)系推理的問題。圖網(wǎng)絡(luò)究竟為什么如此強大？背后的機(jī)制如何？未來發(fā)展方向有哪些？這里有一份斯坦福31頁PPT，帶你看個明白。

圖神經(jīng)網(wǎng)絡(luò)最近是個很火的話題，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，圖神經(jīng)網(wǎng)絡(luò)將圖形作為輸入(而不是原始像素或聲波)，然后學(xué)習(xí)推理和預(yù)測對象及其關(guān)系如何隨時間演變。圖網(wǎng)絡(luò)方法已經(jīng)證明了在一系列應(yīng)用實現(xiàn)快速學(xué)習(xí)，達(dá)到人類水平的能力。

此外，圖網(wǎng)絡(luò)可以使網(wǎng)絡(luò)不那么容易受到對抗性攻擊，原因很簡單，它是一個將事物表示為對象，而不是像素模式的系統(tǒng)，不會輕易被一點噪音或無關(guān)的貼紙所干擾。

新智元今天為大家推薦一份PPT綜述，作者是斯坦福大學(xué)的多位博士后和博士生。這篇綜述由基于神經(jīng)網(wǎng)絡(luò)和圖網(wǎng)絡(luò)的任務(wù)入手，對圖神經(jīng)網(wǎng)絡(luò)的建立、架構(gòu)、訓(xùn)練模式和模型特征等方面做了系統(tǒng)的梳理和介紹，并在最后給出了幾個產(chǎn)業(yè)界和學(xué)術(shù)界的應(yīng)用實例。

下面是全部PPT文稿（共31頁），供感興趣的讀者參考。

首先介紹了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)任務(wù)和圖網(wǎng)絡(luò)的區(qū)別

為何圖網(wǎng)絡(luò)難以構(gòu)建？

圖網(wǎng)絡(luò)架構(gòu)解析：如何通過圖向計算節(jié)點特征傳播信息

GraphSAGE：聚合后的參數(shù)可供全部計算節(jié)點共享

提出DiffPool架構(gòu)，對圖網(wǎng)絡(luò)進(jìn)行池化

下面是幾個應(yīng)用實例：

圖網(wǎng)絡(luò)的強大判別能力和表達(dá)能力

結(jié)論與未來研究方向：

最后是參考文獻(xiàn)與作者介紹：