几何深度学习前沿

文章预览

导语 随着深度学习的发展，人们已经不满足于将深度学习应用于传统的图像、声音、文本等数据上，而是对更一般的几何对象如网络、空间点云、曲面等应用深度学习算法，这一领域被称为几何深度学习（Geometric deep learning）。人们尝试在不规则的非欧氏的数据上扩展卷积神经网络模型，这便有了图卷积神经网络（Graph Neural Network）、PointNet等新的技术。 本文提到的文献，文末均附有下载地址 2016年，Bronstein的一篇名为《Geometric deep learning: going beyond Euclidean data》 [1] 的文章来势汹汹，该文的后两位作者分别是Facebook前人工智能团队博士后成员Joan Bruna和现人工智能负责人Yann LeCun，这也算得上是全明星阵容，因此这篇文章的含金量和参考性就得以保证。 那么几何深 ………………………………