图卷积神经网络理论基础

近年来，由于图结构数据的强大表达能力，用机器学习方法分析和挖掘图数据的研究越来越受到重视。图神经网络（Graph Neural Networks）是一类基于深度学习的处理图数据的方法，在众多领域展现出了卓越的性能，其已经成为一种广泛应用的图分析方法。谱域图神经网络是图神经网络研究中一类重要的方法，它们在拉普拉斯谱域中设计和学习不同的图卷积，具有良好的理论保证和可解释性。本报告拟先介绍图神经网络的任务和一些前沿应用，然后从图傅里叶变换、图卷积的设计和图谱滤波器的多项式近似等方面探讨谱域图神经网络的理论基础，最后将讨论我们在谱域图神经网络所做的一些工作和对未来工作的展望。

魏哲巍，中国人民大学高瓴人工智能学院教授，博导。入选国家级人才，担任新一代智能搜索与推荐教育部工程研究中心副主任。2008年本科毕业于北京大学数学科学学院，2012年博士毕业于香港科技大学计算机系。研究方向为图计算与图学习、数据流算法与学习。在SIGMOD、KDD、ICML、STOC等会议及期刊发表论文80余篇，并获得PODS2022时间检验奖、2023年世界人工智能大会青年优秀论文提名奖、VLDB2024最佳论文提名奖。主持多项基金委、科技部项目。担任IEEE TPAMI编委、FCS青年编委；担任PODS、ICDT等会议论文集主席以及ICML、NeurIPS、ICLR等会议领域主席；担任琶洲实验室（黄埔）青年科学家。培养博士生获2021年百度奖学金（全球10人）、2022年微软学者（亚太地区12人）、2024年CCF优博（全国10人）。