在年初，我感到Graph神經網路（GNN）成為流行語。在這裡我建議看看我們最近擁有的GNN的頂級應用。
gnn
CNN已老，GNN來了！清華大學孫茂松組一文綜述GNN
深度學習無法進行因果推理，而圖模型(GNN)或是解決方案之一。清華大學孫茂松教授組發表綜述論文，全面闡述GNN及其方法和應用，並提出一個能表徵各種不同GNN模型中傳播步驟的統一表示。文中圖表，建議高清列印過塑貼放手邊作參考。
圖神經網路（GNN）也許是 AI 的未來
圖神經網路(Graph NN)是近來的一大研究熱點，尤其是DeepMind提出的「Graph Networks」，號稱有望讓深度學習實現因果推理。但這篇論文晦澀難懂，復星集團首席AI科學家、大數醫達創始人鄧侃博士，在清華俞士綸教授團隊對GNN綜述清晰分類的基礎上，解析DeepMind「圖網路」的意義。
了解圖神經網路GNN和2種高級演算法「DeepWalk」+ 「GraphSage」
最近，圖神經網路 (GNN) 在各個領域越來越受到歡迎，包括社交網路、知識圖譜、推薦系統，甚至生命科學。GNN 在對圖形中節點間的依賴關係進行建模方面能力強大，使得圖分析相關的研究領域取得了突破性進展。本文旨在介紹圖神經網路的基本知識，以及兩種更高級的演算法：DeepWalk 和 GraphSage。