pk10真的有改单技术吗 pk10计划论坛 pk10怎么玩才赚钱的技巧 pk10代理平台出租 pk10下注 pk10全天免费人工计划 pk10人工非凡计划 pk10网上骗局多吗 飞艇pk10计划 pk10不定位技巧大全 pk10模拟投注软件 pk10手机投注网 pk10预测app pk10稳定杀一尾 pk10012路技巧 pk10笍 pk10冠亚和精准投注 彩神平刷pk10 福彩赛车pk10的走势图 pk10345678定位规律 彩神计划pk10 全天北京赛车pk10辅助 官方北京pk10开奖直播 期号pk10软件 易算pk10手机版 大发pk10计划时时彩百度一下 带人买pk10的骗局 pk10彩票软件 pk10人工免费计划群 pk10冠亚和值大小区分

热门新闻?#21028;?/h3>

《数学学科学术报告(13)——Graph Convolutional Neural Networks: Deep Learning on Graphs and Beyond》

来源:理学院 作者:马国强 添加日期:2019-05-29 16:06:21 阅读次数:

报告题目: Graph Convolutional Neural Networks: Deep Learning on Graphs and Beyond
  报告人:李明 博士
  报告时间:2019年6月3日(周一)15:00
  报告地点:格致中楼500会议室
  报告摘要:
  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.
  报告人简介:
  李明 博士, 澳大利亚 拉筹伯大学 数学与统计系博士后研究员、IEEE 会员、澳大利亚数学会会员、澳大利亚计算机协会会员。博士毕业于澳大利亚拉筹伯大学计算机科学与信息技术专业,硕士研究生毕业于中国计量大学应用数学专业,本科毕业于山东师范大学信息与计算科学专业。
  主要研究方向为图神经网络,深度学习,神经网络随机学习算法,球面调?#22836;?#26512;,散乱数据插值与逼近。目前已在《IEEE Transactions on Cybernetics》、《Information Sciences》、《Computing》、《Applied Mathematics Modelling》、《Applied Mathematics and Computation》、《Mathematical Methods in the Applied Sciences》等刊物上发表学术论文多篇,曾获2016及2017年度国际期刊《IEEE Transactions on Cybernetics》最佳审稿人。
  ?#38431;?#24191;大师生参加!


理学院
2019年5月29日

 

分享至:
pk10投注热码
pk10开奖直播澳客 奇迹觉醒怎么赚钱 躲猫猫闯关 河南快3遗漏一定牛 安卓欢乐麻将单机版 微信棋牌群怎么拉人 神秘圣诞老人怎么玩 英雄联盟之决胜巅峰免费小说 单机游戏新剑侠情缘攻略 刮刮乐电子 中超预备队联赛 天天酷跑好友召回qq群