周宝健-大规模图上的高效局部计算与优化_2025 4月全球机器学习技术大会-上海站-CSDN在线视频培训

课时介绍

复旦大学大数据学院青年副研究员
图扩散方程是建模图数据的基本工具，已成功应用于许多图学习任务，包括局部聚类、半监督学习、节点嵌入、图神经网络（GNN）训练等多种应用。在本次报告中，我将介绍解决图扩散问题的局部迭代方法的最新进展。我将介绍一个新框架——局部演化集过程（Locally Evolving Set Process），该框架可以有效地将标准迭代求解器局部化。该方法显著提高了扩散向量计算的速度，具有次线性运行时间复杂度，反映了实际应用中算法的性能表现。该框架利用了扩散向量的局部化特性，提供了显著的计算节省，特别适用于GPU上的大规模动态图。报告中还将讨论一些开放问题和未来的研究方向。

课程介绍

自1936年阿兰· 图灵提出「图灵机」以及机器具备「思维」的可能性以来，以机器学习为代表的人工智能经过飞速发展，深刻地改变着我们的世界。CSDN & Boolan 秉承“全球专家，卓越智慧”的宗旨，特邀近50位技术领袖和行业应用专家，与1000+来自电商、金融、汽车、智能制造、通信、工业互联网、医疗、教育等众多行业的精英参会听众，共同探讨人工智能领域的前沿发展和行业最佳实践。