异构信息网络包含多类节点和多类连接关系，由于此类网络能够灵活的对异构数据及逆行建模，越来越多的被应用于推荐系统，处理复杂的多元异构的数据。这里给出异构信息网络 Heterogeneous information network，网络模式 Network schema,元路径 Meta-path 的定义和实例。异构信息网络：给定节点集合 V\mathcal{V}V 、连接关系集合ε\mathca..

深度学习在图上的应用Zhang Z , Cui P , Zhu W . Deep Learning on Graphs: A Survey[J]. 2018.深度学习在大量领域表现出明显的效果，无论是语音，图像，还是自然语言处理。但是由于图结构数据具有独特的属性，深度学习并不是自然的适用。最近，在这个方向进行了大量的研究极大地促进了图分析技术。调研了可以应用于图的不同种类深度学习方法，主要...

听觉是人类和动物所具备的重要感觉功能，是感知和获取自然界环境信息的重要方式。随着时代的进步，人工智能技术不断发展，听觉同样称为机器人模型研究的重点。人类社会的进步离不开语言的发展，听觉是语言交流的基础，是人类语言交流的通道。人类在语言交流中发出的声音进入人耳被听觉系统接收、转化、传导、综合处理和加工，最终在大脑中被理解。听觉系统可以从声音中分辨出语音的含义及其发出声音的物体，并能提取声源的位置信息

A Task-Optimized Neural Network Replicates Human Auditory Behavior, Predicts Brain Responses, and Reveals a Cortical Processing Hierarchy概要听觉神经科学的一个核心目标是构建定量的模型来预测皮层对自然环境中声音的响应。研究人员针对语音和音乐识别优化了一种层次化..

近年来神经科学、信息科学、数学等学科都取得了众多的进展，但是我们依旧不能够对复杂的大脑功能、认知背后的原理和机制进行完整的描述和理解。网络神经科学通过将神经解剖学和复杂网络相结合，从大脑拓扑结构角度整合大脑的结构和功能，进而描述、记录、分析和建模神经生物学系统中的基本元素及其相互作用。网络神经科学特种了新的工具去创建全面的图谱来记录分子、神经元、大脑区域和社会系统之间的动态模式。同时网络神经科学使

Abstract数据包含许多潜在关系可以表示为图，这些数据存在于科学和工程的众多领域，比如计算机视觉、分子化学、分子生物、模式识别以及数据挖掘。本文提出了一种新型的神经网络模型，称为图神经网络(GNN)模型，对现有的神经网络模型进行了拓展，适用于处理可以表示为图的数据。GNN模型通过一个函数τ(G,n)∈Rm\tau(G,n) \in \mathbb{R}^mτ(G,n)∈Rm将图GGG和其中的.