Talk預(yù)告 | 中科院計算所李寬：STABLE-一種無監(jiān)督高魯棒性圖結(jié)構(gòu)學習框架
本期為TechBeat人工智能社區(qū)第426期線上Talk。
北京時間7月28日(周四)20:00，中科院計算所在讀碩士生——李寬的Talk將準時在TechBeat人工智能社區(qū)開播！他與大家分享的主題是: “STABLE-一種無監(jiān)督高魯棒性圖結(jié)構(gòu)學習框架”，屆時將介紹一個基于對比學習的無監(jiān)督框架來獲取面向?qū)刽敯粜缘母哔|(zhì)量表征，以此來進行結(jié)構(gòu)優(yōu)化。
Talk·信息
主題：STABLE-一種無監(jiān)督高魯棒性圖結(jié)構(gòu)學習框架
嘉賓：中科計算所在讀碩士生 李寬
時間：北京時間?7月28日?(周四) 20:00
地點：TechBeat人工智能社區(qū)
http://www.techbeat.net/
完整版怎么看？
掃描下方二維碼，或復(fù)制鏈接https://datayi.cn/w/5RpDG0LR至瀏覽器，一鍵完成預(yù)約！上線后會在第一時間收到通知哦
Talk·介紹
圖神經(jīng)網(wǎng)絡(luò)在諸多基于圖數(shù)據(jù)的下游任務(wù)中表現(xiàn)出色，但近年來研究發(fā)現(xiàn)圖神經(jīng)網(wǎng)絡(luò)面對惡意的結(jié)構(gòu)擾動是非常脆弱的。一種直觀的增強圖對抗魯棒性的方法是結(jié)構(gòu)學習，通過優(yōu)化被篡改的圖結(jié)構(gòu)來緩解攻擊帶來的負面影響。已有方法大多基于原始特征或者監(jiān)督信號來進行結(jié)構(gòu)學習。但這兩種方法都存在一定的問題，前者缺乏了結(jié)構(gòu)信息，而后者因為分類器受到攻擊，表征質(zhì)量也隨之下降?；诖耍覀兲岢隽艘粋€基于對比學習的無監(jiān)督框架來獲取面向?qū)刽敯粜缘母哔|(zhì)量表征，以此來進行結(jié)構(gòu)優(yōu)化。另一方面，我們還發(fā)現(xiàn)GCN的重參數(shù)化trick會使得模型更脆弱，基于此我們簡單的修改了GCN，獲得了更魯棒的下游分類器。
具體分享提綱如下：
Graph Adversarial Attack的簡單背景介紹
已有方法存在的缺陷-Motivation
我們的解決方案
實驗分析
Talk·預(yù)習資料
1.?https://arxiv.org/abs/2207.00012
Talk·提問交流
通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！
方式 ①
在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！你的每一次貢獻，我們都會給予你相應(yīng)的i豆積分，還會有驚喜獎勵哦！
方式 ②
在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！
Talk·嘉賓介紹
中科院計算所在讀碩士生
中科院計算所（ICT）二年級碩士生。主要研究方向為圖表示學習，工作主要圍繞圖神經(jīng)網(wǎng)絡(luò)的魯棒性，動態(tài)圖建模和半監(jiān)督節(jié)點分類的類別不平衡問題展開。已在KDD，WWW等數(shù)據(jù)挖掘頂尖會議上發(fā)表論文。
個人主頁：
https://likuanppd.github.io/
?長按識別二維碼，一鍵預(yù)約TALK！
關(guān)于TechBeat人工智能社區(qū)
TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗，加速并陪伴其學習成長。 期待這里可以成為你學習AI前沿知識的高地，分享自己最新工作的沃土，在AI進階之路上的升級打怪的根據(jù)地！
更多詳細介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ
