杏彩体育app下载:Talk预告｜电子科技大学张宇臣：GEOM-如何实

　　图压缩跟随视觉数据集压缩的成功，旨在从原始数据集中合成一个较小的图数据集。最近，梯度和轨迹匹配方法在一些小规模图数据集上取得了显著成果。例如，SFGC将Citeseer压缩到原始数据的1.8%的大小，在训练GCN时不降低性能。然而，这些方法在大规模图数据集上的表现并不理想，即在压缩后的和原始图数据集上训练的图神经网络之间存在不可忽视的性能差距。这严重限制了它们在现实世界场景中的有效性。因此，开发一种高性能且健壮的图数据集压缩方法已成为图相关下游应用的迫切需求。

　　在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

　　期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！