0
| 本文作者： AI研習(xí)社-譯站 | 2020-10-19 11:15 |
字幕組雙語原文：【干貨】圖神經(jīng)網(wǎng)絡(luò)的十大學(xué)習(xí)資源分享
英語原文：Top 10 Learning Resources for Graph Neural Networks
翻譯：雷鋒字幕組（聽風(fēng)1996）
圖神經(jīng)網(wǎng)絡(luò)（GNNs）是深度學(xué)習(xí)的一個相對較新的領(lǐng)域，從最近開始越來越流行。Twitter、Google或Facebook等大公司都會開始對于GNN投入研究，事實(shí)證明了GNN優(yōu)于其他使用圖數(shù)據(jù)的機(jī)器學(xué)習(xí)模型。
由于此領(lǐng)域的發(fā)展非常迅速，GNN背后的知識還不是那么容易獲得。目前，你可以在互聯(lián)網(wǎng)上以研究論文、文章或博客的形式找到散落在各地的GNN理論。我們?nèi)狈Φ氖且槐綠NN書籍，或者是一本在線資源匯編，來幫助人們進(jìn)入了解這個領(lǐng)域的工作。
經(jīng)過一番搜索，我發(fā)現(xiàn)其實(shí)有幾個相當(dāng)不錯的資源，以一種容易理解的方式來解釋GNN。希望對這個領(lǐng)域的新人有所幫助。讓我們開始吧!
Graph Representation Learning Book
本書是改變游戲規(guī)則的書，目前可以在線下載的預(yù)出版的版本。本書從圖理論和傳統(tǒng)圖方法等初級課題開始，到前沿GNN模型和最先進(jìn)的GNN研究等高級課題。本書設(shè)計(jì)精巧，自成體系，擁有圖神經(jīng)網(wǎng)絡(luò)所需的大部分理論。
這是斯坦福大學(xué)專門研究基于圖的機(jī)器學(xué)習(xí)的課程。它有公開的幻燈片，從他們的講座以及推薦閱讀列表。如果你想系統(tǒng)地學(xué)習(xí)一門結(jié)構(gòu)良好的課程，這將是一個很好的選擇。
Network Science by Albert-László Barabási
這是一本提供在線交互式的書籍，主要介紹圖和網(wǎng)絡(luò)理論。雖然它沒有討論GNN，但它是獲得在圖數(shù)據(jù)上操作的堅(jiān)實(shí)基礎(chǔ)的極好資源。
How powerful are Graph Convolutional Networks?
由GNN領(lǐng)域最著名的研究者之一--Thomas Kipf博士創(chuàng)建的一個優(yōu)秀博客。在他的文章中，他輕描淡寫地介紹了GNN，提供了最新方法的文獻(xiàn)回顧，并討論了他的論文— Semi-Supervised Classification with Graph Convolutional Networks.
Michael Bronstein是倫敦帝國理工學(xué)院的教授，也是Twitter的圖學(xué)習(xí)研究的負(fù)責(zé)人。最近，他開始在Towards Data Science發(fā)表文章。他的博客文章主要以數(shù)學(xué)視角關(guān)注GNNs以及該領(lǐng)域的最新發(fā)展。他往往會引用許多其他關(guān)于GNNs的文章，這可能會幫助你發(fā)現(xiàn)其他有趣的文章。
Deep Learning for the Life Sciences
雖然這里并不完全是關(guān)于GNN的內(nèi)容，但本書的部分內(nèi)容提供了基于GNN模型的實(shí)際應(yīng)用。它解釋了如何使用生命科學(xué)的深度學(xué)習(xí)庫--Deepchem將GNNs應(yīng)用于分子數(shù)據(jù)集。它還進(jìn)一步討論了GNNs的不同預(yù)處理方法。
Flawnson Tong - Towards Data Science
Flawnson在Medium上發(fā)表了幾篇關(guān)于GNN的介紹性的文章。它們針對的是那些想對圖神經(jīng)網(wǎng)絡(luò)背后的理論有基本了解的初學(xué)者。如果你想一窺GNNs是什么，這將是一個很好的選擇。
這是一個近期GNN論文的匯編倉庫，包含了這個領(lǐng)域已發(fā)表的大部分論文。他們將列表細(xì)分為單獨(dú)的主題，比如我們。如果你正在查找GNNs特定細(xì)分應(yīng)用的論文，這個倉庫值得一試。
Papers with Code - Papers With Code : Search for graph neural networks
Paperswithcode是一個大家都很熟悉的網(wǎng)站，它將研究論文與其代碼一起分享。如果你想找到已經(jīng)有代碼實(shí)現(xiàn)的GNN模型，這是一個不錯的地方。
A Comprehensive Survey on Graph Neural Networks
這篇研究論文總結(jié)了GNNs中的大部分的重要發(fā)現(xiàn)，簡要概述了GNNs背后的歷史，并討論了不同類型的GNN架構(gòu)。
雷鋒字幕組是一個由AI愛好者組成的翻譯團(tuán)隊(duì)，匯聚五五多位志愿者的力量，分享最新的海外AI資訊，交流關(guān)于人工智能技術(shù)領(lǐng)域的行業(yè)轉(zhuǎn)變與技術(shù)創(chuàng)新的見解。
團(tuán)隊(duì)成員有大數(shù)據(jù)專家，算法工程師，圖像處理工程師，產(chǎn)品經(jīng)理，產(chǎn)品運(yùn)營，IT咨詢?nèi)?，在校師生；志愿者們來自IBM，AVL，Adobe，阿里，百度等知名企業(yè)，北大，清華，港大，中科院，南卡羅萊納大學(xué)，早稻田大學(xué)等海內(nèi)外高校研究所。
如果，你也是位熱愛分享的AI愛好者。歡迎與雷鋒字幕組一起，學(xué)習(xí)新知，分享成長。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
