Explore le rôle des graphiques dans l'apprentissage en profondeur, en se concentrant sur leur structure, leurs applications et leurs techniques de traitement des données graphiques.
Couvre l'optimisation de la pseudométrie dans les graphes, en se concentrant sur la minimisation de la pseudométrie et de la métrique du chemin le plus court.
Explore le lien entre les graphiques et les probabilités, en mettant l'accent sur les probabilités modulaires et super modulaires et les propriétés de corrélation.
Couvre la propagation des croyances sur les graphes, explorant les défis de calcul et les heuristiques, en se concentrant sur les propriétés de boucle des graphes aléatoires clairsemés.
Explore l'apprentissage de données interconnectées à l'aide de graphiques, couvrant les défis, la conception du GNN, les paysages de recherche et la démocratisation du graphique ML.