【干货】图神经网络的十大学习资源分享

作者: 雷锋字幕组 2020-10-20 09:45:23

本文转自雷锋网,如需转载请至雷锋网官网申请授权。

图神经网络(GNNs)是深度学习的一个相对较新的领域,从最近开始越来越流行。Twitter、Google或Facebook等大公司都会开始对于GNN投入研究,事实证明了GNN优于其他使用图数据的机器学习模型。

由于此领域的发展非常迅速,GNN背后的知识还不是那么容易获得。目前,你可以在互联网上以研究论文、文章或博客的形式找到散落在各地的GNN理论。我们缺乏的是一本GNN书籍,或者是一本在线资源汇编,来帮助人们进入了解这个领域的工作。 

经过一番搜索,我发现其实有几个相当不错的资源,以一种容易理解的方式来解释GNN。希望对这个领域的新人有所帮助。让我们开始吧!

1.由William L. Hamilton编写的图表示学习书籍

Graph Representation Learning Book

本书是改变游戏规则的书,目前可以在线下载的预出版的版本。本书从图理论和传统图方法等初级课题开始,到前沿GNN模型和最先进的GNN研究等高级课题。本书设计精巧,自成体系,拥有图神经网络所需的大部分理论。

2. 斯坦福课程笔记--机器学习与图

C224W|Home

这是斯坦福大学专门研究基于图的机器学习的课程。它有公开的幻灯片,从他们的讲座以及推荐阅读列表。如果你想系统地学习一门结构良好的课程,这将是一个很好的选择。

3.由Albert-László Barabási编著的网络科学一书

Network Science by Albert-László Barabási

这是一本提供在线交互式的书籍,主要介绍图和网络理论。虽然它没有讨论GNN,但它是获得在图数据上操作的坚实基础的极好资源。

4.Thomas Kipf博客

How powerful are Graph Convolutional Networks?

由GNN领域最著名的研究者之一--Thomas Kipf博士创建的一个优秀博客。在他的文章中,他轻描淡写地介绍了GNN,提供了最新方法的文献回顾,并讨论了他的论文— Semi-Supervised Classification with Graph Convolutional Networks.

5. Michael Bronstein博客

Michael Bronstein — Medium

Michael Bronstein是伦敦帝国理工学院的教授,也是Twitter的图学习研究的负责人。最近,他开始在Towards Data Science发表文章。他的博客文章主要以数学视角关注GNNs以及该领域的最新发展。他往往会引用许多其他关于GNNs的文章,这可能会帮助你发现其他有趣的文章。

6.生命科学领域的深度学习:将深度学习应用于基因组学,显微镜,药物发现等

Deep Learning for the Life Sciences

虽然这里并不完全是关于GNN的内容,但本书的部分内容提供了基于GNN模型的实际应用。它解释了如何使用生命科学的深度学习库--Deepchem将GNNs应用于分子数据集。它还进一步讨论了GNNs的不同预处理方法。

 7.Flawnson Tong博客

Flawnson Tong - Towards Data Science

Flawnson在Medium上发表了几篇关于GNN的介绍性的文章。它们针对的是那些想对图神经网络背后的理论有基本了解的初学者。如果你想一窥GNNs是什么,这将是一个很好的选择。

8.GNN最近的一些论文集合—Github仓库

thunlp/GNNPapers

这是一个近期GNN论文的汇编仓库,包含了这个领域已发表的大部分论文。他们将列表细分为单独的主题,比如我们。如果你正在查找GNNs特定细分应用的论文,这个仓库值得一试。

9.图形神经网络与代码

Papers with Code - Papers With Code : Search for graph neural networks

Paperswithcode是一个大家都很熟悉的网站,它将研究论文与其代码一起分享。如果你想找到已经有代码实现的GNN模型,这是一个不错的地方。

10.图形神经网络的综述

A Comprehensive Survey on Graph Neural Networks

这篇研究论文总结了GNNs中的大部分的重要发现,简要概述了GNNs背后的历史,并讨论了不同类型的GNN架构。

神经网络 数据 图形
上一篇:人工智能:从经典计算机到量子计算机,弱AI进阶到强AI时代? 下一篇:Facebook新AI模型实现直接从非英语语言翻译到另一种非英语语言
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

就算戴上口罩,AI也知道你在说啥

现在,检测面部肌肉变化的AI来了,只要你动了嘴,哪怕没出声,它也能知道你在说什么。

萧箫 ·  18h前
AI生成肖像画,精细到毛发!北大校友最新研究收割2.8k星标

这款AI工具叫U∧2-Net(U Square Net),最近火到不行!不仅登上了GitHub热榜,收割了2.8k星标,还被顶会ICPR 2020 选中。

贝爽 ·  19h前
人工智能虚拟更衣室 零售商新的主流营销利器

COVID-19改变了世界各地人们日常行为的方式,在实体零售中,没有比这更敏锐的感觉了。几十年来,零售商一直在尝试各种客户参与策略,以吸引人们,让他们浏览样本并留心。但是大流行使几乎所有这些人都感到冒险和不愉快。试穿衣服,珠宝,化妆品和其他可穿戴产品的愿望使人身安全胜出。

AI国际站 ·  1天前
祖传人像玩家,如何把AI秀出新高度

这个由感知人像引擎和画质增强引擎组成的系统,不仅能让照片里的人看起来更好看,画面质感也能得到质的提升。

萧箫 ·  2天前
微软开源的 AI 工具,让旧照片焕发新生

在 GitHub 热点趋势Vol.046 中,HG 介绍过一个微软开源的 AI 工具——Bringing-Old-Photos-Back-to-Life

Ziyu Wan ·  3天前
用新的机器学习思考方式 来辨别自然异常与人为误导

某些对抗性事件很可能是人为设计而来。我们必须知晓其中的手法与工件是什么,这样才能真正理解深度神经网络的可靠性。

佚名 ·  3天前
中国 AI 专利申请已超美国!我国 5G 最新成绩:技术世界领先

此前,世界互联网大会已经举办了六届,今年的形式有所改变——取消举办第七届世界互联网大会,改为以世界互联网大会组委会的名义举办上述论坛,虽然规模比往年有所缩小,但也强调小而精。

李帅飞 ·  4天前
皱眉细节完美复刻,阿尔伯塔大学团队的项目生成超逼真的肖像画

深度卷积神经网络已经被广泛用于显著目标检测,并获得了 SOTA 的性能。在 CVPR 2019 的一篇论文中,来自加拿大阿尔伯塔大学的研究者曾提出了边界感知显著目标检测网络 BASNet,并衍生出了一系列流行的工具。

佚名 ·  4天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载