· 智源学者

中科院计算所研究员他在社交网络分析与挖掘领域取得特色成果,是中科院青促会优秀会员,中国科学院院长特别奖获得者。

拟研究方向:图卷积神经网络及其应用

网络或图是一种常见的数据表示形式,网络数据中节点之间的复杂关联是网络数据存储和计算需要解决的主要挑战。网络表示学习致力于将网络数据向量化,从而便于利用丰富和强大的机器学习工具和方法对网络数据进行分析处理。然而,网络表示学习强行将非欧空间的网络数据嵌入到具有某种约束和几何结构的空间中,不可避免会造成信息损失和过约束。

本研究致力于直接在网络数据的原始表示上设计机器学习或深度学习算子,设计图卷积算子形成高表达能力的网络上下文表示学习方法,形成一套适用于图计算的机器学习算子工具集,应用于欺诈检测、图分类、交通流量预测等应用问题。主要开展三个方面研究:

  1. 设计深层的图卷积神经网络,克服现有模型的表达能力受限于过平滑、模型深度浅等问题;
  2. 设计尺度自适应的图卷积神经网络,将图卷积神经网络和网络自身结构有机结合,处理大规模无尺度网络数据;
  3. 设计能够防御对抗攻击的图卷积神经网络,提升模型的鲁棒性。
All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OK