AI如何理解高阶结构？拓扑深度学习基础 | 周四直播·几何深度学习读书会第一期

文章预览

导语 AI如何理解数据中的高阶相互作用？传统的图神经网络模型关注网络中节点的一阶邻居，难以捕捉数据的高阶拓扑特征，而这些特征在实际数据中普遍存在。如何帮助机器学习到更深层的数据特征、构建更真实的世界模型，从而完成更复杂的任务，如轨迹预测、分子设计等，是一个愈发受到关注的问题。拓扑深度学习为AI带来了真正理解几何数据的曙光。 「几何深度学习」读书会 第一期将由发起人之一南洋理工大学夏克林副教授，带领大家讨论拓扑深度学习的主要思想和模型。夏老师将先介绍多种拓扑数据高阶表示模型，并介绍这些模型的邻居结构及其信息传递机制以及嵌入方法，以探索模型如何捕捉到数据的本质特征，最后，将简要介绍这些模型的一些具体构造以及实际应用。读书会将于周四晚（7月11日）19:00-21:00进行，欢迎感兴趣的朋友 ………………………………