图神经网络及应用

课程编码：280216085410P3004 英文名称：Graph Neural Networks and Applications 课时：40 学分：2.00 课程属性：专业课 主讲教师：吴偶

图结构以其强大的表达能力，被广泛应用于社会科学、城市计算、生物化学、医疗健康等不同领域数据的表示。图神经网络是基于深度学习的图结构数据处理方法，它在近年来取得了巨大的进展，并成为学术界和产业界关注的技术热点。
本课程讲授的内容包括：图的基本知识和深度学习的基础概念；将图中节点进行表示的浅层图嵌入模型方法；图神经网络的概念、模型结构和应用场景。本课程可以培养研究生的研究性学习能力，从而掌握基于图神经网络基础理论与方法研究相关问题的知识基础。

无

第一章 图的基础知识 4.0学时 吴偶
第1节 图的表示及性质
第2节 谱图理论
第3节 图信号处理
第二章 深度学习基础 6.0学时 吴偶
第1节 前馈神经网络
第2节 卷积神经网络
第3节 循环神经网络
第三章 浅层图网络嵌入 6.0学时 吴偶
第1节 编码—解码框架
第2节 简单图的图嵌入
第3节 复杂图的图嵌入
第四章 图神经网络 8.0学时 吴偶
第1节 图神经网络的基础框架
第2节 基于谱域的图卷积神经网络
第3节 基于空域的图卷积神经网络
第4节 图上的其他深度学习模型
第五章 图神经网络扩展 6.0学时 吴偶
第1节 异质图神经网络
第2节 动态图神经网络
第3节 时空图神经网络
第4节 多维图神经网络
第六章 具体应用 8.0学时 吴偶
第1节 自然语言处理中的图神经网络
第2节 生物化学和医疗健康等领域的图神经网络
第3节 城市计算领域的图神经网络
第4节 计算机视觉中的图神经网络
第七章 课程考核 2.0学时 吴偶
第1节 课程考核

吴偶，国科大杭州高等研究院全职教研人员，长期从事数据挖掘与深度学习研究，在国际知名期刊与会议上发表论文100余篇，负责了多项国家与省部级项目。在天津大学期间获得了高校教师资格证，并主讲了本科生专业核心课程《数据科学导论》，历年评分均95分以上，还讲授了《深度学习》专业选修课程。