学术报告

题      目： Graph Neural Networks: Algorithms and Theory

报  告  人：蔡佳   教授  (邀请人：叶颀 )

                                    广东财经大学

时      间：3月13日  15：30-16：30

地     点：数科院西楼报告厅

报告人简介:

       蔡佳，博士，教授，博士生导师，广东财经大学数字经济学院副院长，主要研究方向为统计学习理论、机器学习。2009年8月毕业于香港城市大学数学系。2009年-2015年曾数次访问香港城市大学，2017年2月-2018年2月访问美国纽约州立大学奥尔巴尼分校。 2013年2月-2016年12月获聘为广东财经大学“卓越青年教师”校长特聘教授，2019年6月破格晋升为教授，2019年12月入选广东XX计划。主持和承担国家自科(青年，面上)、国家社科重点项目、香港资助局科研项目，国家统计局重点项目，广东省自然科学基金等。

摘      要：

       现实生活中有很多场景的数据是定义在具有复杂拓扑结构上的图数据。图数据自然地表达了实际生活中的数据结构。然而，图数据中每个节点的局部结构各异。这些图的多样性给图神经网络模型的设计带来了全新的挑战。与此同时，在大数据时代，很多实际应用中的图含有百万甚至千万级别的节点。本报告将针对若干关于图卷积神经网络的相关核心问题：半监督多分类情形的浅层图神经网络的理论以及多尺度图卷积神经网络，给出相关算法和理论分析。