报告题目: Graph Convolutional Neural Networks: Deep Learning on Graphs and Beyond
　　报告人：李明 博士
　　报告时间：2019年6月3日（周一）15:00
　　报告地点：格致中楼500会议室
　　报告摘要：
　　Learning and reasoning with graph-structured representations is gaining increasing interest in both academia and industry, due to its fundamental advantages over more traditional unstructured methods in supporting interpretability, causality, and transferability / inductive generalization. In this talk, I will briefly introduce the background about graph neural networks and some fundamentals around graph convolutional networks, for learning graph representations and performing reasoning and prediction. Some impressive progresses in this direction are provided with theoretical and empirical discussions.
　　报告人简介：
　　李明 博士， 澳大利亚 拉筹伯大学 数学与统计系博士后研究员、IEEE 会员、澳大利亚数学会会员、澳大利亚计算机协会会员。博士毕业于澳大利亚拉筹伯大学计算机科学与信息技术专业，硕士研究生毕业于中国计量大学应用数学专业，本科毕业于山东师范大学信息与计算科学专业。
　　主要研究方向为图神经网络，深度学习，神经网络随机学习算法，球面调和分析，散乱数据插值与逼近。目前已在《IEEE Transactions on Cybernetics》、《Information Sciences》、《Computing》、《Applied Mathematics Modelling》、《Applied Mathematics and Computation》、《Mathematical Methods in the Applied Sciences》等刊物上发表学术论文多篇，曾获2016及2017年度国际期刊《IEEE Transactions on Cybernetics》最佳审稿人。
　　欢迎广大师生参加！

理学院
2019年5月29日