图神经网络(Graph Neural Networks)

#GPF##一、GPF（GraphProcessingFlow）：利用图神经网络处理问题的一般化流程1、图节点预表示：利用NE框架，直接获得全图每个节点的Embedding;2、正负样本采样：（1）单

AAAI关于图神经网络的报告，关于图神经网络的介绍，分析。

图(graph)是一个非常常用的数据结构，现实世界中很多很多任务可以描述为图问题，比如社交网络，蛋白体结构，交通路网数据，以及很火的知识图谱等，甚至规则网格结构数据(如图像，视频等)也是图数据的一种特

我们将介绍图神经网络(GNN)的形式,它是定义图数据上的深度神经网络的一般框架。关键思想是,我们想要生成实际上依赖于图结构的节点的表示,以及我们可能拥有的任何特征信息。

2019云栖大会-Graph Neural Networks- Combing Deep Learning & Symbolic Reasoning，深度学习相关的最新外文资料

神经网络和深度学习中文完整版neural-networks-and-deep-learning-zh2

MichaelNielsen是⼀位量⼦物理学家、科学作家、计算机编程研究⼈员。这本书的⽬的是帮助你掌握神经⽹络的核⼼概念，包括现代技术的深度学习。在完成这本书的学习之后，你将使⽤神经⽹络和深度学习来解

MichaelNielsen所著的NeuralNetworksandDeepLearning，非常适合用来入门神经网络和深度学习。原书为网页版书籍。这里提供PDF版本书籍。

邱老师的资料，针对循环神经网络进行了详细的讲解，相当棒！

神经网络与深度学习Neural Network and Deep Learning Michael Nielsen 中文完整版