Lezione 21 di 21 · Parte V, Deep learning e oltre

Apprendimento su dati strutturati e grafi

Dai vettori ai grafi: trasduzioni su grafi, message passing e Deep Graph Networks (GCN, NN4G, GNN, GraphESN), i problemi della profondità (over-smoothing, over-squashing, eterofilia) e i kernel per strutture.

12 figure da manipolare.

In questa lezione

• Perché dati strutturati e grafi
• Deep Graph Networks
• Problemi aperti e alcune proposte
• Altri approcci: i kernel per strutture

Altre lezioni

Reti neurali ricorrenti (RNN) · Tutte le lezioni

Appunti di Fabio Piscitelli — Machine Learning (654AA), prof. Alessio Micheli, Università di Pisa, a.a. 2026/27.