您当前的位置:思尔学习网>教育要闻>正文

高赞人气资源!集结数百篇顶会论文,由浅入深让你吃透图深度学习

放大字体  缩小字体 发布日期:2019-07-07

  铜灵 发自 凹非寺

  量子位 出品 | 公众号 QbitAI

  一份图神经网络的学习资源,在推特上发出后反响强烈,超过800人为其点赞,不少网友在评论区表示感谢送出“好人卡”。

  这份资源名为Literature of Deep Learning for Graphs(图深度学习文献),顾名思义里面整理了大量图深度学习论文,大多数都被顶会收录,数量有上百篇。

  这些论文包含从节点表示学习到图嵌入再到图神经网络及其应用,从易到难,是一份容易上手的全方位资源。

  一份暑期必备的图神经网络优质资源,走过路过不容错过了。

  内容丰富

  这份图神经网络文献共分为8个部分,从节点表示学习开始层层递进,一直讲到图标是学习系统和相关数据集为止。

  这8个部分分别为:

  节点表示学习

  图嵌入知识

  图神经网络

  图神经网络的应用

  图形生成

  图形布局和高维数据可视化

  图表示学习系统

  数据集

  如果想了解图深度学习,这8个分类可以成为指导自己进一步找资料攻克的大方向。

  除了8个大方向外,部分章节又进行了细分,比如在应用章节,又分成了NLP、计算机视觉、推荐系统、链接预测、影响预测、神经架构搜索、强化学习等方向。

  而这份资源的最闪亮的地方,就是将这些不同方向已经发表的论文进行了整理,分门别类得放上了论文的标题、作者、关键词和地址链接。

  这些大多是已经发表在各种竞赛和顶会上的高影响力论文,画风是这样的:

  这样的:

  这样的:

  整理数百篇土深度学习的论文还分成不同的类别,肯定下了不少工夫。

  华人作者

  这份资源出自华人之手,蒙特利尔高等商学院的助理教授唐建和他的学生们。

  其个人网站上显示,唐建是深度学习大牛Yoshua Bengio教授领导的MILA深度学习小组的成员之一,关注深度学习、图神经网络、自然语言理解和推理、药物发现和推荐系统几个方面。

  唐建在北京大学博士毕业后,奔赴密歇根大学和卡内基梅隆大学的博士后。2014年-2016年在微软亚洲院担任过副研究员。

  此前,唐建的的多项研究被各大顶会收录,包括ICML 19、ICML 19、IJCAI 19、ICLR 19、AAAI 19等。


“如果发现本网站发布的资讯影响到您的版权,可以联系本站!同时欢迎来本站投稿!