2022年_グラフニューラルネットワーク

グラフニューラルネットワーク

勉強内容

深層学習は近年画像やテキストの分野で重要な技術となってきた.グラフ構造に適したアプリケーションは多く存在し,特にGNN(GNN)は非常な成功を納めている.本勉強会ではGNNの基本から応用まで幅広くまとめた書籍を使用し,その理念や活用方法について理解を深める.

参考書

-----part1-----

第1章 表現学習
第2章:グラフ表現学習
第3章:グラフニューラルネットワーク

-----part2-----

第4章 ノード分類のためのグラフニューラルネットワーク
第5章 グラフニューラルネットワークの表現力
第6章 グラフニューラルネットワークスケーラビリティ
第7章 グラフニューラルネットワークにおける解釈可能性
第8章 グラフニューラルネットワーク敵対的ロバスト性

-----part3-----

第9章 グラフニューラルネットワーク:グラフの分類
第10章 グラフニューラルネットワーク:リンク予測
第11章 グラフニューラルネットワーク:グラフの生成
第12章 グラフニューラルネットワーク:グラフの変換
第13章 グラフニューラルネットワークグラフマッチング
第14章 グラフニューラルネットワークグラフ構造の学習
第15章 動的グラフニューラルネットワーク
第16章 ヘテロジニアス・グラフ・ニューラル・ネットワーク
第17章 グラフニューラルネットワーク:AutoML
第18章 グラフニューラルネットワーク:自己教師付き学習

-----part4-----

第19章 最新のリコメンダーシステムにおけるグラフニューラルネットワーク
第20章 コンピュータビジョンにおけるグラフニューラルネットワーク
第21章 自然言語処理におけるグラフニューラルネットワーク
第22章 プログラム解析におけるグラフニューラルネットワーク
第23章 ソフトウェアマイニングにおけるグラフニューラルネットワーク
第24章 医薬品開発におけるGNNベースのバイオメディカル・ナレッジグラフマイニング
第25章 タンパク質の機能と相互作用の予測におけるグラフニューラルネットワーク
第26章 異常検知におけるグラフニューラルネットワーク
第27章 都市のインテリジェンスにおけるグラフニューラルネットワーク

内容

勉強会内容に関しては,研究室 Notion で管理している,興味がある学生は以下に連絡をください.

勉強会参加者

  • 木村 雄介(D2)
  • 寺本 優香(D1)
  • 吉丸 直希(M1)【監査役】
  • リュウ シンギ(B4)
  • 渡辺 一生 (B4)
  • ホンへジン(B3)
  • 大熊 基暖(B3)

連絡先

  • ラボ院生メーリングリスト milgrad at mil.doshisha.ac.jp