报告人——赵松伟博士
本周赵松伟博士介绍了基于图神经网络的流行病学的工作,提出了这一主题的主要挑战:即如何自适应地学习图神经网络中的扩散半径大小以及如何为每个图神经网络层和每个特征通道学习一个专用的传播邻域。赵松伟博士就此问题分享了发表在Neurips 2021上的一篇文章《Adaptive Diffusion in Graph Neural Networks》,本文以图扩散卷积(graph diffusion convolution,GDC)为基础提出了自适应扩散卷积(adaptive diffusion convolution,ADC)策略,来自动从数据中学习最佳邻域大小(optimal neighborhood size)。此外,本文打破了传统的假设,即所有GNN层和特征通道(维度)应使用相同的邻域大小进行传播,使ADC能够为每个GNN层和每个特征通道学习一个专用的传播邻域(dedicated propagation neighborhood),使GNN体系结构与图结构充分耦合。最后,赵松伟博士介绍了他最近的相关工作。



