報告人：尹楠 阿聯酋MBZUAI博士後
報告地點：校本部▃計算機樓313報告廳
報告時間：2023年11月15日（周三）上午10:00
報告題目：《圖仙空域遷移學習▲》
個人簡介: 尹楠，MBZUAI博後。本碩博均就讀於國防科大，在機器學習、社交多『媒體、圖神經網絡等領域擁有深厚的專業知識和︼多年的研究經驗，在相關領域取得了國內外認可的月色灯光满帝都研究成果。近五年來，參與發表高質量◥論文10余篇，其中CCF A類期刊、會議第一作者/通訊作者論╱文7篇。擔任AAAI、NeurIPS、ICML、ACMMM等國際人工智能〒頂級會議審稿人，並擔任TCSVT、TOMM、TCSS等人工∏智能和數據挖掘領域多種國際◆期刊審稿人。
摘要：盡管↙圖神經網絡（GNN）在圖分類任務方面取得了∑令人矚目的成就，但它們通常需要大量針對特定於任務的標簽，而獲取這些標簽的成本可能非常高昂。一個创业可靠的解決方案是探索額外的帶々有標簽的圖來增強目標域的無監督學習。然而，由於對圖拓撲的探索不足和顯著的域之間的差異，如何將GNN和域遷移相結合仍◇然懸而未決。因此，報告介紹了圖域遷移學習戒指的相關方法，這些方法在如集中终止何實現圖域對齊方面進行深入的探索，有效解決了圖域遷移學習的相關問題。
