主讲人简介：王石平，博士，教授，博士生导师，福州大学“旗山学者”(海外计划)，福建省引进高层次人才(B类)，CCF/IEEE高级会员，智慧地铁福建省高校重点实验室主任/福州大学智能信息处理研究所主任。他于2014年获得电子科技大学与加拿大阿尔伯特大学的联合培养博士学位，先后在新加坡国立大学和新加坡南洋理工大学从事博士后研究，2019至2021在北京大学担任访问学者。他在国际著名期刊T-PAMI, TIP, TNNLS, TSP，TMM, TSMC, T-ITS, TCSS, PR和会议CVPR、AAAI、ICDE、ACM MM、IJCAI等上发表SCI/EI检索论文150余篇，一作/通讯SCI期刊论文110余篇，Trans系列论文40余篇，Google Scholar 引用3400余次，h-index和i10-index指数分别为31和68。研究方向：机器学习、深度学习、多模态融合、特征表示、大数据分析。

报告题目: Towards Model-Explainable Graph Neural Networks

主要内容: 图神经网络（Graph Neural Network，GNN）是指使用神经网络来学习图结构数据，提取和挖掘图结构数据中的特征和模式，满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。模型可解释性，不仅能提升模型的效果，还能对模型效果的原因产生更多的思考，有助于进一步提升图表征的优化，深入剖析模型本身和提升模型服务质量。为此，本次报告将从一种特殊的谱图神经网络（图卷积神经网络）出发，从物理微分方程（PDE & ODE）的视角，介绍相应的消息传递范式，揭示传统机器学习和图神经网络的内在关联，并总结近期图神经网络的具体应用，包括异构图融合、图节点分类、链路预测等。

报告时间：6月18日 上午10点

报告地点：第十教学楼10110会议室

主办单位：电子信息与电气工程学院、科技处