报告人：尹楠 阿联酋MBZUAI博士后
报告地点：校本部计算机楼313报告厅
报告华体会网页版登陆入口：2023年11月15日（周三）上午10:00
报告题目：《图域迁移学习》
个人简介: 尹楠，MBZUAI博后。本硕博均就读于国防科大，在机器学习、社交多媒体、图神经网络等领域拥有深厚的专业知识和多年的研究经验，在相关领域取得了国内外认可的研究成果。近五年来，参与发表高质量论文10余篇，其中CCF A类期刊、会议第一作者/通讯作者论文7篇。担任AAAI、NeurIPS、ICML、ACMMM等国际人工智能顶级会议审稿人，并担任TCSVT、TOMM、TCSS等人工智能和数据挖掘领域多种国际期刊审稿人。
摘要：尽管图神经网络（GNN）在图分类任务方面取得了令人瞩目的成就，但它们通常需要大量针对特定于任务的标签，而获取这些标签的成本可能非常高昂。一个可靠的解决方案是探索额外的带有标签的图来增强目标域的无监督学习。然而，由于对图拓扑的探索不足和显著的域之间的差异，如何将GNN和域迁移相结合仍然悬而未决。因此，报告介绍了图域迁移学习的相关方法，这些方法在如何实现图域对齐方面进行深入的探索，有效解决了图域迁移学习的相关问题。
