其次 ， 来自代数拓扑领域的更多数学对象和工具（包括诸如蜂窝滑轮之类的结构 ， 即使是最精通数学的ML研究人员 ， 对他们来说可能听起来也很陌生）将被图和几何深度学习社区采用 。
这些方法既可以为老问题提供答案 ， 也可以帮助解决新问题 ， 正如RobertGhrist所说：「novelchallengesnecessitatenovelmath」（新的挑战需要新的数学） 。
原文链接：https://towardsdatascience.com/a-new-computational-fabric-for-graph-neural-networks-280ea7e3ed1a

文章图片
雷峰网

• 章子怡扎减龄丸子头，短裙露美腿不像生过娃，从影20年笑容依旧甜
• 三星|从“不想买”到“抢着买”，骁龙8+无线充电+IP68防水，下跌600元
• 男子带家传木盒来鉴宝，盒子从没打开过，专家：稳住，两个好消息
• 世界上最孤独的“手”，他握住一棵树长达50年，却从来没有松过手
• 互联互通|哪些无人机适合新手使用？从普宙O2到大疆Mini 3 Pro，一文读懂
• 路由器|WiFi信号增强从简到易，软硬兼施后效果明显
• 关于时间的12件事，比如为什么从三月份起要把你的钟表拨快些？
• 全面屏|一台没上市的金立手机，从中看到了时代的眼泪
• 索尼|从4999元跌至3299元，8GB+256GB旗舰，不要利润了
• 松下|短短一年，国际巨头从“决绝离开中国”到“铁了心回归”，为何？