<acronym id="vcbkv"></acronym>
    <optgroup id="vcbkv"><em id="vcbkv"><pre id="vcbkv"></pre></em></optgroup>
    1. <acronym id="vcbkv"></acronym>
    2. 《數學學科學術報告(13)——Graph Convolutional Neural Networks: Deep Learning on Graphs and Beyond》

      來源:理學院 作者:馬國強 添加日期:2019-05-29 16:06:21 閱讀次數:

      報告題目: Graph Convolutional Neural Networks: Deep Learning on Graphs and Beyond
        報告人:李明 博士
        報告時間:2019年6月3日(周一)15:00
        報告地點:格致中樓500會議室
        報告摘要:
        Learning and reasoning with graph-structured representations is gaining increasing interest in both academia and industry, due to its fundamental advantages over more traditional unstructured methods in supporting interpretability, causality, and transferability / inductive generalization. In this talk, I will briefly introduce the background about graph neural networks and some fundamentals around graph convolutional networks, for learning graph representations and performing reasoning and prediction. Some impressive progresses in this direction are provided with theoretical and empirical discussions.
        報告人簡介:
        李明 博士, 澳大利亞 拉籌伯大學 數學與統計系博士后研究員、IEEE 會員、澳大利亞數學會會員、澳大利亞計算機協會會員。博士畢業于澳大利亞拉籌伯大學計算機科學與信息技術專業,碩士研究生畢業于中國計量大學應用數學專業,本科畢業于山東師范大學信息與計算科學專業。
        主要研究方向為圖神經網絡,深度學習,神經網絡隨機學習算法,球面調和分析,散亂數據插值與逼近。目前已在《IEEE Transactions on Cybernetics》、《Information Sciences》、《Computing》、《Applied Mathematics Modelling》、《Applied Mathematics and Computation》、《Mathematical Methods in the Applied Sciences》等刊物上發表學術論文多篇,曾獲2016及2017年度國際期刊《IEEE Transactions on Cybernetics》最佳審稿人。
        歡迎廣大師生參加!


      理學院
      2019年5月29日

       

      分享至:
      狠狠干插插插综合网