本期为TechBeat人工智能社区第391期线上Talk。北京时间3月24日(周四)20:00，密歇根州立大学在读博士生——金卫的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “图神经网络上的图浓缩技术”，届时将介绍图神经网络（GNN）上的图浓缩问题。

Talk·信息

主题：图神经网络上的图浓缩技术

嘉宾： 密歇根州立大学在读博士生金卫

时间：北京时间 3月24日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/39lB1BBP至浏览器，一键完成预约！上线后会在第一时间收到通知哦

Talk·提纲

鉴于大规模图数据在现实世界中的广泛应用，数据的存储和神经网络的训练时间已引起越来越多的关注。在这次讲座中，我们将介绍图神经网络（GNN）上的图浓缩问题。具体来说，图浓缩的目标是将大的图数据压缩成一个小图，从而在小图和大图上训练的GNN具有相当的性能。我们设计了一种同时浓缩节点特征和结构信息的框架并用大量实验证明了该框架浓缩不同的图数据集的有效性。特别地，该框架能够将图的大小减少99.9%并达到99.8%的近似准确率，而且浓缩的图可以用于训练各种GNN架构以及用于神经网络架构搜索（NAS）。

具体分享提纲如下：

1. 图数据与图神经网络

2. 图浓缩的定义和解决方案

3. 浓缩图的实验结果

Talk·预习资料

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

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

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！
方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

快来提问啦！

Talk·嘉宾介绍

金卫，密歇根州立大学博士研究生。他的研究兴趣集中在图神经网络，包括理论基础、模型鲁棒性及应用。他在ICLR、ICML、KDD、NeurIPS和WSDM等计算机顶级会议上发表了多篇研究成果。他还是《图深度学习》中文版的主要译者，也是备受业内关注的对抗攻击和防御工具包 DeepRobust的主要贡献者。他曾参加组织AAAI图深度学习专题教学讲座和KDD神经网络对抗攻击与防御专题教学讲座，并担任主要演讲者。并且在KDD'21、KDD'20、AAAI'20和AAAI'21上组织过多次讲座。

个人主页：

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

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ