Graph neural networks: Variations and applications

Автор: Microsoft Research

Загружено: 2018-04-20

Просмотров: 112302

Описание:

Many real-world tasks require understanding interactions between a set of entities. Examples include interacting atoms in chemical molecules, people in social networks and even syntactic interactions between tokens in program source code. Graph structured data types are a natural representation for such systems, and several architectures have been proposed for applying deep learning methods to these structured objects. I will give an overview of the research directions inside Microsoft that have explored different architectures and applications for deep learning on graph structured data.

See more at https://www.microsoft.com/en-us/resea...

Graph neural networks: Variations and applications

Доступные форматы для скачивания:

Скачать видео mp4

Информация по загрузке:

Скачать аудио mp3

Похожие видео

An Introduction to Graph Neural Networks: Models and Applications

An Introduction to Graph Neural Networks: Models and Applications

Понимание графовых сетей внимания

Понимание графовых сетей внимания

Distill and transfer learning for robust multitask RL

Distill and transfer learning for robust multitask RL

Intro to graph neural networks (ML Tech Talks)

Intro to graph neural networks (ML Tech Talks)

Физически-информированные нейронные сети (PINN) [Машинное обучение с учетом физики]

Физически-информированные нейронные сети (PINN) [Машинное обучение с учетом физики]

The Future of Veritasium

The Future of Veritasium

Theoretical Foundations of Graph Neural Networks

Theoretical Foundations of Graph Neural Networks

LSTM is dead. Long Live Transformers!

LSTM is dead. Long Live Transformers!

Generalizing Convolutions for Deep Learning

Generalizing Convolutions for Deep Learning

ICLR 2021 Keynote -

ICLR 2021 Keynote - "Geometric Deep Learning: The Erlangen Programme of ML" - M Bronstein

Самые стыдные вопросы об электричестве!

Самые стыдные вопросы об электричестве!

Как LLM могут хранить факты | Глава 7, Глубокое обучение

Как LLM могут хранить факты | Глава 7, Глубокое обучение

A Neural Network Model That Can Reason - Prof. Christopher Manning

A Neural Network Model That Can Reason - Prof. Christopher Manning

Graph Neural Networks: A gentle introduction

Graph Neural Networks: A gentle introduction

Градиентный спуск, как обучаются нейросети | Глава 2, Глубинное обучение

Градиентный спуск, как обучаются нейросети | Глава 2, Глубинное обучение

Geometric Deep Learning

Geometric Deep Learning

Graph Representation Learning (Stanford university)

Graph Representation Learning (Stanford university)

Deep learning on graphs: successes, challenges | Graph Neural Networks | Michael Bronstein

Deep learning on graphs: successes, challenges | Graph Neural Networks | Michael Bronstein

ST-GCN: Пространственно-временные графовые сверточные сети для распознавания действий на основе с...

ST-GCN: Пространственно-временные графовые сверточные сети для распознавания действий на основе с...

Понимание графовых нейронных сетей | Часть 1/3 — Введение

Понимание графовых нейронных сетей | Часть 1/3 — Введение