6月9日，北京邮电大学宁念文博士访问实验室，并作题为“基于图表示学习的多层网络融合技术研究”的专题报告。报告利用多层网络相关性质和网络表示学习方法，研究一套完整的多层网络融合技术，主要内容包括：1）针对多层网络的层间对齐问题，介绍一种基于图-序列生成的节点排序图对齐神经网络模型。2）针对多层网络的结构融合问题，介绍一种非线性多层网络结构融合模型。3）针对保存多层网络中层间相关性的空间嵌入融合问题,介绍一种基于自适应采样的多层网络空间嵌入融合框架。4）针对保存多层属性网络中节点高阶依赖关系的空间嵌入融合问题,介绍一种保存节点高阶依赖关系的无监督空间嵌入融合模型。最后，宁博士展望了当前图神经网络的热门方向和应用前景。
报告结束后，实验室全体师生与宁博士进行了深入交流，探讨了图神经网络在智慧交通大数据分析、AI交通灯自适应控制策略、多智能体协同控制等领域的应用前景，一致认为图表示学习和图数据挖掘在车联网与智慧交通领域潜力巨大，有望进一步开展深度合作。
