集成的日历

没有两件事是相同的。但是，我们仍然在学习，这意味着我们隐含地决定哪些事件足够相似，以至于一个事件的经验可以告诉我们在另一个事件中该怎么做。我们已经建议，这依赖于根据推断的隐藏(潜在)原因将传入信息解析为“集群”。在这次演讲中，我将介绍这个潜在原因推断过程的计算模型，并展示来自人类和啮齿动物的各种行为实验的支持数据，从简单的条件反射到记忆到社会决策。我还将简要讨论这一理论与心理健康治疗的相关性。

虽然消息传递神经网络(MPNNs)是图学习最流行的架构，但它们的表达能力本质上是有限的。为了在保持效率的同时获得更强的表达能力，最近的一些工作将mpnn应用于原始图的子图。作为起点，讲座将介绍等变子图聚合网络(ESAN)架构，这是这类方法的代表性框架。在ESAN中，每个图都表示为一组子图，根据预定义的策略进行选择。然后使用专门为此目的设计的等变体系结构来处理子图集。然后，我将介绍最近的后续工作，重新审视ESAN中建议的对称群，并建议如果我们将注意力限制在特定的流行子图选择策略家族上，就可以做出更精确的选择。我们将看到，通过这种观察，人们可以在子图gnn和不变图网络(igs)之间建立直接联系，从而为子图gnn的表达能力和设计空间提供新的见解。
本次演讲基于我们的ICLR和NeurIPS 2022论文(重点报道和口头报告)。

生物:
Haggai是NVIDIA研究院的高级研究科学家，也是NVIDIA TLV实验室的成员。他的主要兴趣领域是结构化领域的机器学习。特别是，他致力于将深度学习应用于集、图、点云和表面，通常是通过利用它们的对称结构。2019年，他在Yaron Lipman教授的指导下，在魏茨曼科学研究所完成yabo怎么下载了博士学位。哈盖将于2023年加入以色列理工学院电气与计算机工程学院，担任助理教授。