今晚九点图网络读书会直播 | 有向无环图的结构学习
7月15日(周一)21:00-21:40,集智图网络线上读书会将进行新一期的论文分享直播,欢迎感兴趣的朋友参与。
直播主题:
DAG结构学习:DAG-NOTEARS 与 DAG-GNN
有向无环图 ( 即DAG , directed acyclic map,比如贝叶斯网络 ) 的结构估计是一个具有挑战性的问题,因为DAGs的搜索空间是组合的,并且随着节点数的增加呈指数级增长。现有的方法依赖于各种局部启发式来强制执行无环性约束。2018年DAG-NOTEARS论文中引入了一个完全不同的策略:将结构学习问题表示为一个完全避免这种组合约束的实数矩阵上的纯连续优化问题。这是通过一种新颖的表征无环性,不仅光滑,而且准确。所得到的问题可以用标准的数值算法有效地解决,这也使得实现变得简单。提出的方法优于现有的方法,无需对图施加任何结构假设,如有界树宽或度。在2019年DAG-GNN的工作中,提出了一个深层生成模型,并应用结构约束的一种变体来学习DAG。在综合数据集上,该方法对非线性生成的样本学习到更精确的图;在具有离散变量的基准数据集上,所得到的图与全局最优解相当接近。
论文题目:
DAGs with NO TEARS: Continuous Optimization for Structure Learning
论文地址:
https://arxiv.org/abs/1803.01422
论文题目:
DAG-GNN: DAG Structure Learning with Graph Neural Networks
论文地址:
https://arxiv.org/abs/1904.10098?context=cs.AI
主讲人:牟牧云
直播地址:集智俱乐部 B 站直播间
👀关注B站主播“集智俱乐部”
不错过每一场集智重磅直播
直播地址:
https://live.bilibili.com/8091531
直播时间 :21:00-21:40
集智图网络线上读书会公开招募
图神经网络是深度学习领域的前沿热点议题,尤其是图网络(Graph Networks)提出以来,深度学习有了实现因果推理的潜力。为了持续追踪相关领域的前沿进展,集智俱乐部联合北师大系统科学学院张江课题组,组织了以图网络为主题的线上读书会,研讨最新论文,孕育研究思路。
每一期线上读书会由一位成员主讲,形式为论文分享,时间为每周一 21:00-21:40。加入读书会群需报名审核,原则上参与者应有能力独立完成一次线上分享。如果你也正在从事图网络与深度学习方面的研究工作或技术实践,或者对该领域有强烈的学习意愿,欢迎填写报名表,申请加入“集智图网络论文分享小组”!
报名请点击下方小程序,填写报名表。填表之后会有入群方式。
编辑:张爽
往期论文解读
-
第十五期图网络论文解读
-
时间:6 月17日 周一
-
主讲人:崔浩川
-
论文题目:
Revisiting Graph Neural Networks: All We Have is Low-Pass Filters
-
论文地址:
https://arxiv.org/abs/1905.09550
-
第十六期图网络论文解读
-
时间:6 月24日 周一
-
主讲人:张章
-
论文题目:
Weight Agnostic Neural Networks
-
论文地址:
https://arxiv.org/abs/1906.04358
-
第十七期图网络论文解读
-
时间:7 月1日 周一
-
主讲人:陈孟园
-
论文题目:
Graph Matching Networks for Learning the Similarity of Graph Structured Objects
-
论文地址:
https://arxiv.org/pdf/1904.12787.pdf
-
第十八期图网络论文解读
-
时间:7 月8日 周一
-
主讲人:高飞
-
论文题目:
How Powerful are Graph Neural Networks?
-
论文地址:
https://arxiv.org/pdf/1810.00826.pdf
-
解读文章:
-
视频回顾:
集智俱乐部QQ群|877391004 商务合作及投稿转载|swarma@swarma.org 搜索公众号:集智俱乐部
加入“没有围墙的研究所” 让苹果砸得更猛烈些吧!
◆◆◆
原文始发于微信公众号(集智俱乐部):集智