主讲人1：白璐

主讲人简介：白璐，北京师范大学人工智能学院教授，博导，智能技术与教育应用教育部工程研究中心副主任。国家优秀青年基金项目获得者，教育部国家优秀自费留学生，百度全球华人AI青年学者，曾入选国际模式识别学会IAPR Newsletter下一代报道。2015年于英国约克大学获博士学位，师从英国皇家工程院院士Edwin R. Hancock教授。研究方向为结构模式识别与图机器学习、金融人工智能、智能教育等。在TPAMI、TKDE、TNNLS、TCYB、TITS、PR、ICML、NeurIPS、ICDE、IJCAI、AAAI等国际顶级期刊与会议发表论文130余篇，包括：8篇ESI热点/高被引、2篇IAPR及其意大利分会GIRPR最佳会议论文奖、1篇IEEE管理学会议IEEM杰出论文奖，及1篇CCF首届中国数字金融大会优秀海报。担任IEEE TNNLS、Pattern Recognition、Neural Networks期刊编委，并曾组织PR期刊首个金融人工智能主题特刊。部分成果应用于科大讯飞、中国电信等实际业务，或形成报告被“国家发改委”采纳。

报告内容概要：图是建模复杂系统实体间关联关系的重要结构数据，其具有的复杂性为传统模式识别与机器学习带来了前所未有的挑战。由于结构模式识别能够有效挖掘与学习图数据内部蕴含的复杂关联关系与结构模式信息，并在计算机视觉、金融、社交网络等众多领域获得广泛应用，与之相关的新理论与新方法已成为当前模式识别与机器学习领域备受瞩目的前沿研究。本报告首先梳理结构模式识别过往40余年的发展脉络，分析不同阶段相关研究的理论特点，着重介绍“图核函数”与“图神经网络”两个相关重要方向的研究现状，并阐述两者间的理论关联，以及两者当前交叉研究现状，继而对未来进一步的研究进行初步展望。

主讲人2：杨亮

主讲人简介：杨亮，河北工业大学人工智能与数据科学学院教授、博导、副院长。分别于2004年和2007年在南开大学数学科学学院获得理学学士和硕士学位，于2016在中国科学院信息工程研究所信息安全国家重点实验室获得工学博士学位。他有着丰富的工业界经验，先后就职于腾讯数据平台部，百度商务搜索部。其研究集中于复杂网络分析，主要包括社区发现、网络嵌入、图神经网络等主题。已在NeurIPS、IJCAI、AAAI、WWW、ACM MM、ECCV、CVPR、ICDM、IEEE T-Cyber、IEEE TIP、ACM TOMM、Neurocomputing、Expert Systems with Applications等重要国际会议和期刊上发表多篇论文；并在2021年WWW上荣获最佳论文亚军。

报告内容概要：图神经网络已经成为深度学习中最热门的研究领域，并且在计算机视觉、自然语言处理、信息检索等领域取得了良好的结果。但是传统的图神经网络都采用统一的传播机制，从而导致了过平滑、异配网络性能欠佳等问题。本报告从提升传播的多样性入手，设计半监督和无监督模型，有效的改善异配网络上的性能，缓解过平滑问题，并与经典网络科学中的节点划分与社团发现建立起了联系。