会员服务

图神经网络可解释性，附45页ppt，Simone Scardapane讲授

2022 年 7 月 18 日 图与推荐

图神经网络(GNNs)已被广泛应用于图表示学习的各个领域。然而，与所有其他神经网络模型一样，GNN也存在黑盒问题，因为人们无法理解其机制。为了解决这一问题，人们提出了几种解释GNN决策的方法。在本报告中，Simone Scardapane概述了最先进的GNN解释方法和如何评估它们。






登录查看更多
2

相关内容

动态GNN？《图神经网络与动态系统》教程，148页ppt，Francesco Di Giovanni主讲
动态GNN？《图神经网络与动态系统》教程，148页ppt，Francesco Di Giovanni主讲
专知会员服务
45+阅读 · 2022年8月6日
AAAI 2022 | ProtGNN：自解释图神经网络
AAAI 2022 | ProtGNN：自解释图神经网络
专知会员服务
40+阅读 · 2022年2月28日
【Google-Marco Cuturi】最优传输，339页ppt，Optimal Transport
【Google-Marco Cuturi】最优传输，339页ppt，Optimal Transport
专知会员服务
49+阅读 · 2021年10月26日
【图与几何深度学习，53页ppt】Graph and geometric deep learning
专知会员服务
91+阅读 · 2021年6月14日
宾大最新《图神经网络》课程，附视频与课件（33页ppt））下载
宾大最新《图神经网络》课程，附视频与课件（33页ppt））下载
专知会员服务
74+阅读 · 2020年9月18日
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
专知会员服务
134+阅读 · 2020年6月7日
来自Fariz Darari博士的一份简明《神经网络与深度学习》的讲义，64页ppt
来自Fariz Darari博士的一份简明《神经网络与深度学习》的讲义，64页ppt
专知会员服务
94+阅读 · 2020年5月5日
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
专知会员服务
256+阅读 · 2020年2月8日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
117+阅读 · 2020年1月13日
必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
专知会员服务
66+阅读 · 2020年1月10日
ICML'22|可解释可泛化的图学习，随机注意力机制就够了！
ICML'22|可解释可泛化的图学习，随机注意力机制就够了！
图与推荐
0+阅读 · 2022年7月17日
253页PPT！《因果性Causality》教程，哥本哈根大学Jonas Peters讲授
253页PPT！《因果性Causality》教程，哥本哈根大学Jonas Peters讲授
专知
3+阅读 · 2022年7月7日
如何让你的图神经网络跑的更快？
如何让你的图神经网络跑的更快？
图与推荐
1+阅读 · 2022年6月15日
GNN在Google是如何落地的？附Bryan的43页分享ppt
GNN在Google是如何落地的？附Bryan的43页分享ppt
图与推荐
3+阅读 · 2022年5月12日
ICLR2022图神经网络论文集锦
ICLR2022图神经网络论文集锦
机器学习与推荐算法
13+阅读 · 2022年2月10日
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
专知
17+阅读 · 2020年6月7日
知识图谱在可解释人工智能中的作用，附81页ppt
知识图谱在可解释人工智能中的作用，附81页ppt
专知
89+阅读 · 2019年11月11日
近期必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
近期必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
专知
131+阅读 · 2019年5月28日
图神经网络将成AI下一拐点！MIT斯坦福一文综述GNN到底有多强
图神经网络将成AI下一拐点！MIT斯坦福一文综述GNN到底有多强
AI前线
11+阅读 · 2019年2月24日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
18+阅读 · 2019年1月28日
复杂数据下带有形状约束的半参数模型统计推断
国家自然科学基金
3+阅读 · 2014年12月31日
笼状无机/有机杂化阴离子的导向功能化及其应用
国家自然科学基金
0+阅读 · 2014年12月31日
Lee偏差在试验设计中的应用研究
国家自然科学基金
0+阅读 · 2013年12月31日
高维数据的图模型学习与统计推断
国家自然科学基金
8+阅读 · 2012年12月31日
Cu及合金纳米团簇的制备及其电催化和荧光性能研究
国家自然科学基金
0+阅读 · 2012年12月31日
离散最优传输问题，闵可夫斯基问题和蒙奇－安培方程中的变分原理和Power图
国家自然科学基金
1+阅读 · 2012年12月31日
基于在线数据与专家知识的燃煤锅炉混合智能建模及模型更新研究
国家自然科学基金
0+阅读 · 2012年12月31日
稀疏网格谱方法及其在电子结构薛定谔方程上的应用
国家自然科学基金
0+阅读 · 2012年12月31日
Fermi伽玛射线脉冲星及脉冲星风云的高能物理特性
国家自然科学基金
0+阅读 · 2011年12月31日
基于数据驱动的非线性动态过程监控理论及应用
国家自然科学基金
1+阅读 · 2009年12月31日
Time-of-Day Neural Style Transfer for Architectural Photographs
Arxiv
0+阅读 · 2022年9月13日
GPU-optimized Approaches to Molecular Docking-based Virtual Screening in Drug Discovery: A Comparative Analysis
Arxiv
0+阅读 · 2022年9月12日
Near-Optimal Distributed Linear-Quadratic Regulator for Networked Systems
Arxiv
0+阅读 · 2022年9月12日
Fair Matrix Factorisation for Large-Scale Recommender Systems
Arxiv
0+阅读 · 2022年9月9日
Random Vector Functional Link Networks for Function Approximation on Manifolds
Random Vector Functional Link Networks for Function Approximation on Manifolds
Arxiv
0+阅读 · 2022年9月9日
Functional dimension of feedforward ReLU neural networks
Arxiv
0+阅读 · 2022年9月8日
GeomGCL: Geometric Graph Contrastive Learning for Molecular Property Prediction
Arxiv
11+阅读 · 2021年9月24日
Training Graph Neural Networks with 1000 Layers
Arxiv
13+阅读 · 2021年6月14日
Graph Neural Networks: Architectures, Stability and Transferability
Arxiv
13+阅读 · 2020年8月4日
Strong Baselines for Simple Question Answering over Knowledge Graphs with and without Neural Networks
Arxiv
17+阅读 · 2018年6月5日
VIP会员
相关主题
讲稿
可解释性
图神经网络
神经网络
图表示学习
图表示
最新内容
面向国防作战的最佳自主与蜂群无人机技术
面向国防作战的最佳自主与蜂群无人机技术
专知会员服务
3+阅读 · 今天8:04
《异构人类团队的协作决策过程混合建模研究》
《异构人类团队的协作决策过程混合建模研究》
专知会员服务
3+阅读 · 今天7:59
《C5ISR系统中的注意力动态与自适应决策支持研究：视觉与多模态注意力引导对任务绩效影响的递归量化分析》最新36页报告
《C5ISR系统中的注意力动态与自适应决策支持研究：视觉与多模态注意力引导对任务绩效影响的递归量化分析》最新36页报告
专知会员服务
3+阅读 · 今天7:56
《设计思维中的人机协作：生成式人工智能对共情访谈影响的探究》140页
《设计思维中的人机协作：生成式人工智能对共情访谈影响的探究》140页
专知会员服务
3+阅读 · 今天7:50
博士论文 | 面向大模型推理的内存高效算法
博士论文 | 面向大模型推理的内存高效算法
专知会员服务
3+阅读 · 7月27日
论文解读 | 从预训练到后训练：理解大模型推理能力如何形成
论文解读 | 从预训练到后训练：理解大模型推理能力如何形成
专知会员服务
4+阅读 · 7月27日
《无人系统互操作性导论——无人系统联合架构（JAUS）》
《无人系统互操作性导论——无人系统联合架构（JAUS）》
专知会员服务
12+阅读 · 7月27日
美空军新型反无人机部队初探
美空军新型反无人机部队初探
专知会员服务
7+阅读 · 7月27日
《对抗性电磁环境下远程巡飞弹作战的安全指挥与控制数据链》
《对抗性电磁环境下远程巡飞弹作战的安全指挥与控制数据链》
专知会员服务
6+阅读 · 7月27日
《北约下一代建模与仿真（NexGen M&S）计划》2026年69页
《北约下一代建模与仿真（NexGen M&S）计划》2026年69页
专知会员服务
4+阅读 · 7月27日
《防空交战流程的概率建模研究》
《防空交战流程的概率建模研究》
专知会员服务
10+阅读 · 7月27日
ICML 2026 教程 | 数值优化理论还重要吗？
ICML 2026 教程 | 数值优化理论还重要吗？
专知会员服务
6+阅读 · 7月26日
ICM 2026 | 陶哲轩：人工智能时代的数学
ICM 2026 | 陶哲轩：人工智能时代的数学
专知会员服务
9+阅读 · 7月26日
《面向可扩展高韧性无人机集群网络的速度感知分层通信框架》
《面向可扩展高韧性无人机集群网络的速度感知分层通信框架》
专知会员服务
8+阅读 · 7月26日
《面向概率推理的可定制战术引擎及其在军事任务规划中的应用》
《面向概率推理的可定制战术引擎及其在军事任务规划中的应用》
专知会员服务
11+阅读 · 7月26日
相关VIP内容
动态GNN？《图神经网络与动态系统》教程，148页ppt，Francesco Di Giovanni主讲
动态GNN？《图神经网络与动态系统》教程，148页ppt，Francesco Di Giovanni主讲
专知会员服务
45+阅读 · 2022年8月6日
AAAI 2022 | ProtGNN：自解释图神经网络
AAAI 2022 | ProtGNN：自解释图神经网络
专知会员服务
40+阅读 · 2022年2月28日
【Google-Marco Cuturi】最优传输，339页ppt，Optimal Transport
【Google-Marco Cuturi】最优传输，339页ppt，Optimal Transport
专知会员服务
49+阅读 · 2021年10月26日
【图与几何深度学习，53页ppt】Graph and geometric deep learning
专知会员服务
91+阅读 · 2021年6月14日
宾大最新《图神经网络》课程，附视频与课件（33页ppt））下载
宾大最新《图神经网络》课程，附视频与课件（33页ppt））下载
专知会员服务
74+阅读 · 2020年9月18日
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
专知会员服务
134+阅读 · 2020年6月7日
来自Fariz Darari博士的一份简明《神经网络与深度学习》的讲义，64页ppt
来自Fariz Darari博士的一份简明《神经网络与深度学习》的讲义，64页ppt
专知会员服务
94+阅读 · 2020年5月5日
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
AAAI2020最新「可解释人工智能XAI」230页PPT从基础理论到工业应用、实际挑战和经验教训
专知会员服务
256+阅读 · 2020年2月8日
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAAI2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知会员服务
117+阅读 · 2020年1月13日
必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
专知会员服务
66+阅读 · 2020年1月10日
热门VIP内容
相关资讯
ICML'22|可解释可泛化的图学习，随机注意力机制就够了！
ICML'22|可解释可泛化的图学习，随机注意力机制就够了！
图与推荐
0+阅读 · 2022年7月17日
253页PPT！《因果性Causality》教程，哥本哈根大学Jonas Peters讲授
253页PPT！《因果性Causality》教程，哥本哈根大学Jonas Peters讲授
专知
3+阅读 · 2022年7月7日
如何让你的图神经网络跑的更快？
如何让你的图神经网络跑的更快？
图与推荐
1+阅读 · 2022年6月15日
GNN在Google是如何落地的？附Bryan的43页分享ppt
GNN在Google是如何落地的？附Bryan的43页分享ppt
图与推荐
3+阅读 · 2022年5月12日
ICLR2022图神经网络论文集锦
ICLR2022图神经网络论文集锦
机器学习与推荐算法
13+阅读 · 2022年2月10日
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
【KDD2020】XGNN-可解释图神经网络，从模型级解释构建可信赖GNN
专知
17+阅读 · 2020年6月7日
知识图谱在可解释人工智能中的作用，附81页ppt
知识图谱在可解释人工智能中的作用，附81页ppt
专知
89+阅读 · 2019年11月11日
近期必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
近期必读的10篇 ICML 2019【图神经网络（GNN）】相关论文和代码
专知
131+阅读 · 2019年5月28日
图神经网络将成AI下一拐点！MIT斯坦福一文综述GNN到底有多强
图神经网络将成AI下一拐点！MIT斯坦福一文综述GNN到底有多强
AI前线
11+阅读 · 2019年2月24日
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
AAA2019 Tutorial：可解释AI—人工智能的圣杯（160页PPT从理论到动机，应用和局限性）
专知
18+阅读 · 2019年1月28日
相关基金
复杂数据下带有形状约束的半参数模型统计推断
国家自然科学基金
3+阅读 · 2014年12月31日
笼状无机/有机杂化阴离子的导向功能化及其应用
国家自然科学基金
0+阅读 · 2014年12月31日
Lee偏差在试验设计中的应用研究
国家自然科学基金
0+阅读 · 2013年12月31日
高维数据的图模型学习与统计推断
国家自然科学基金
8+阅读 · 2012年12月31日
Cu及合金纳米团簇的制备及其电催化和荧光性能研究
国家自然科学基金
0+阅读 · 2012年12月31日
离散最优传输问题，闵可夫斯基问题和蒙奇－安培方程中的变分原理和Power图
国家自然科学基金
1+阅读 · 2012年12月31日
基于在线数据与专家知识的燃煤锅炉混合智能建模及模型更新研究
国家自然科学基金
0+阅读 · 2012年12月31日
稀疏网格谱方法及其在电子结构薛定谔方程上的应用
国家自然科学基金
0+阅读 · 2012年12月31日
Fermi伽玛射线脉冲星及脉冲星风云的高能物理特性
国家自然科学基金
0+阅读 · 2011年12月31日
基于数据驱动的非线性动态过程监控理论及应用
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
Time-of-Day Neural Style Transfer for Architectural Photographs
Arxiv
0+阅读 · 2022年9月13日
GPU-optimized Approaches to Molecular Docking-based Virtual Screening in Drug Discovery: A Comparative Analysis
Arxiv
0+阅读 · 2022年9月12日
Near-Optimal Distributed Linear-Quadratic Regulator for Networked Systems
Arxiv
0+阅读 · 2022年9月12日
Fair Matrix Factorisation for Large-Scale Recommender Systems
Arxiv
0+阅读 · 2022年9月9日
Random Vector Functional Link Networks for Function Approximation on Manifolds
Random Vector Functional Link Networks for Function Approximation on Manifolds
Arxiv
0+阅读 · 2022年9月9日
Functional dimension of feedforward ReLU neural networks
Arxiv
0+阅读 · 2022年9月8日
GeomGCL: Geometric Graph Contrastive Learning for Molecular Property Prediction
Arxiv
11+阅读 · 2021年9月24日
Training Graph Neural Networks with 1000 Layers
Arxiv
13+阅读 · 2021年6月14日
Graph Neural Networks: Architectures, Stability and Transferability
Arxiv
13+阅读 · 2020年8月4日
Strong Baselines for Simple Question Answering over Knowledge Graphs with and without Neural Networks
Arxiv
17+阅读 · 2018年6月5日
大家都在搜
  1. maven
  2. palantir
  3. 无人机蜂群
  4. 无人系统
  5. 武器系统
  6. 反无
  7. 对抗特征转移
  8. SWOT分析套路
  9. 美伊
  10. rNPV (风险调整现金流折现法)
    11.
Top
微信扫码咨询专知VIP会员
Top