报告题目：异配图神经网络：理论与方法
报告时间：2023年11月21日下午15：00-16：00
报告地点：williamhill官网-中文官网犀浦校区7教7510
报告人：李明
摘要：图神经网络（GNN）已成为机器学习领域的研究热点之一。近年来涌现出了一系列基于谱图理论或空域方法的GNN模型，它们在计算机视觉、自然语言处理、社交网络分析、推荐系统等多个领域都备受关注。然而，多数经典的GNN模型通常假设图数据存在较好的同配性，在处理异配图数据时表现相对较差，经典的消息传递框架 (MPNN) 在进行异配图表示学习中存在一定的缺陷。本报告将从谱域及空域视角分别浅谈构建异配图神经网络模型的思路及方法，分享有关异配图神经网络、异配图表示学习理论与方法研究的一点思考和见解。
报告人简介：李明，教授，博士生导师，入选浙江省高校高层次拔尖人才，浙江省“钱江人才计划”特殊急需人才，浙师大“双龙学者” 特聘教授，浙江省智能教育技术与应用重点实验室——支撑技术研究中心主任，担任Neural Networks、Applied Intelligence、Soft Computing、Neural Processing Letters四个国际期刊副主编，曾任IEEE TNNLS“Deep Neural Networks for Graphs: Theory, Models, Algorithms and Applications”专刊首席特邀副主编。在国际权威期刊如IEEE TPAMI，AI，IEEE TKDE，IEEE TNNLS，IEEE TCYB，IEEE TAI，IEEE TII，IEEE TITS，ACM TMOS及 CCF A 类国际顶级会议ICML，NeurIPS，IJCAI上发表论文60余篇，主持国家级及省部级纵向项目7项（含国自科区创联合基金重点项目1项），申请发明专利20余项。曾获第三届全国高校教师教学创新大赛浙江省二等奖 (新工科正高组)，指导学生获“华为杯”第五届中国研究生人工智能创新大赛三等奖。
窗体底端
