本期為TechBeat人工智能社區(qū)第391期線上Talk。北京時間3月24日(周四)20:00，密歇根州立大學在讀博士生——金衛(wèi)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: “圖神經(jīng)網(wǎng)絡(luò)上的圖濃縮技術(shù)”，屆時將介紹圖神經(jīng)網(wǎng)絡(luò)（GNN）上的圖濃縮問題。

Talk·信息

主題：圖神經(jīng)網(wǎng)絡(luò)上的圖濃縮技術(shù)

嘉賓：?密歇根州立大學在讀博士生金衛(wèi)

時間：北京時間?3月24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/39lB1BBP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·提綱

鑒于大規(guī)模圖數(shù)據(jù)在現(xiàn)實世界中的廣泛應(yīng)用，數(shù)據(jù)的存儲和神經(jīng)網(wǎng)絡(luò)的訓練時間已引起越來越多的關(guān)注。在這次講座中，我們將介紹圖神經(jīng)網(wǎng)絡(luò)（GNN）上的圖濃縮問題。具體來說，圖濃縮的目標是將大的圖數(shù)據(jù)壓縮成一個小圖，從而在小圖和大圖上訓練的GNN具有相當?shù)男阅?。我們設(shè)計了一種同時濃縮節(jié)點特征和結(jié)構(gòu)信息的框架并用大量實驗證明了該框架濃縮不同的圖數(shù)據(jù)集的有效性。特別地，該框架能夠?qū)D的大小減少99.9%并達到99.8%的近似準確率，而且濃縮的圖可以用于訓練各種GNN架構(gòu)以及用于神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索（NAS）。

具體分享提綱如下：

1. 圖數(shù)據(jù)與圖神經(jīng)網(wǎng)絡(luò)

2. 圖濃縮的定義和解決方案

3. 濃縮圖的實驗結(jié)果

Talk·預(yù)習資料

[1]?https://openreview.net/pdf?id=WLEx3Jo4QaB

[2]?https://github.com/ChandlerBang/GCond

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！

快來提問啦！

Talk·嘉賓介紹

金衛(wèi)，密歇根州立大學博士研究生。他的研究興趣集中在圖神經(jīng)網(wǎng)絡(luò)，包括理論基礎(chǔ)、模型魯棒性及應(yīng)用。他在ICLR、ICML、KDD、NeurIPS和WSDM等計算機頂級會議上發(fā)表了多篇研究成果。他還是《圖深度學習》中文版的主要譯者，也是備受業(yè)內(nèi)關(guān)注的對抗攻擊和防御工具包 DeepRobust的主要貢獻者。他曾參加組織AAAI圖深度學習專題教學講座和KDD神經(jīng)網(wǎng)絡(luò)對抗攻擊與防御專題教學講座，并擔任主要演講者。并且在KDD'21、KDD'20、AAAI'20和AAAI'21上組織過多次講座。

個人主頁：

http://cse.msu.edu/~jinwei2/

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