2022年历史最全可信图神经网络论文、工具、资源等整理分享

    图神经网络（Graph Neural Network，GNN）是指使用神经网络来学习图结构数据，提取和发掘图结构数据中的特征和模式，满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。

    GNN的历史最早可以追溯到 2005 年，Gori 等人第一次提出 GNN 概念，用 RNN 来处理无向图、有向图、标签图和循环图等。Bruna等人提出将 CNN 应用到图上，通过对卷积算子巧妙的转换，提出了图卷积网络（Graph Convolutional Netwok，GCN），并衍生了许多变体。

    除了图卷积神经网络，GNN主流算法还包括有图自编码器、图生成网络、图循环网络以及图注意力网络。

本资源整理了可信图神经网络（Graph Neural Networks）论文、工具、资源，分享给大家。

    

     资源整理自网络，下载及获取见源地址：https://github.com/Radical3-HeZhang/Awesome-Trustworthy-GNNs

目录

内容截图

往期精品内容推荐

22年CV必读中文书籍-《实时3D渲染入门到精通》免费pdf分享

机器学习必读新书-《凸优化算法原理详解》免费pdf分享

历史最全图数据（GraphData）增强、数据扩充相关论文分类整理分享

ML、DL、NLP面试常考知识点、代码、算法理论基础汇总分享

深度学习花书《Deep Learning》-中英文版分享-AI必读10本经典

文本转图片自动生成(Text-to-Image)历史最全模型、数据集、经典论文整理分享

谷歌云系统构建新书-《构建、实现和维护稳定且安全云系统的最佳方案》免费分享

Yann LeCun-《深度学习(pytorch)》中英字幕视频及ppt分享

【双语字幕】伯克利-《深度学习：深度神经网络设计、可视化与理解》视频及ppt分享