Deep LEarning on MANifolds and graphs

Informazioni relative al progetto

LEMAN

ID dell’accordo di sovvenzione: 724228

DOI

10.3030/724228

Progetto chiuso

Data della firma CE 15 Dicembre 2016

Data di avvio 1 Ottobre 2017

Data di completamento 30 Settembre 2023

Finanziato da

• EXCELLENT SCIENCE - European Research Council (ERC)

Costo totale

€ 1 997 875,00

Contributo UE

€ 1 997 875,00

Coordinato da

THE CHANCELLOR, MASTERS AND SCHOLARS OF THE UNIVERSITY OF OXFORD
United Kingdom

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Book chapters (2)

Unsupervised Diffeomorphic Surface Registration and Non-linear Modelling

Autori: Balder Croquet, Daan Christiaens, Seth M. Weinberg, Michael Bronstein, Dirk Vandermeulen, Peter Claes
Pubblicato in: Lecture Notes in Computer Science, Medical Image Computing and Computer Assisted Intervention – MICCAI 2021, 2021, Pagina/e 118-128
Editore: Springer International Publishing
DOI: 10.1007/978-3-030-87202-1_12

The Average Mixing Kernel Signature

Autori: Luca Cosmo, Giorgia Minello, Michael Bronstein, Luca Rossi, Andrea Torsello
Pubblicato in: Lecture Notes in Computer Science, Computer Vision – ECCV 2020, 2021, Pagina/e 1-17
Editore: Springer International Publishing
DOI: 10.1007/978-3-030-58565-5_1

Conference proceedings (24)

Geometrically Principled Connections in Graph Neural Networks

Autori: Shunwang Gong, Mehdi Bahri, Michael M. Bronstein, Stefanos Zafeiriou
Pubblicato in: 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Numero 31, 2022, Pagina/e 11412-11421
Editore: IEEE
DOI: 10.1109/cvpr42600.2020.01143

Beltrami Flow and Neural Diffusion on Graphs

Autori: Chamberlain, BP; Rowbottom, J; Eynard, D; Di Giovanni, F; Dong, X; Bronstein, MM
Pubblicato in: NeurIPS, 2021
Editore: neurips
DOI: 10.48550/arxiv.2110.09443

Understanding over-squashing and bottlenecks on graphs via curvature

Autori: Topping, J; Di Giovanni, F; Chamberlain, BP; Dong, X; Bronstein, M
Pubblicato in: ICLR, 2022
Editore: ICLR
DOI: 10.48550/arxiv.2111.14522

PeerNets: Exploiting Peer Wisdom Against Adversarial Attacks

Autori: Svoboda, Jan; Masci, Jonathan; Monti, Federico; Bronstein, Michael M.; Guibas, Leonidas
Pubblicato in: ICLR, Numero 6, 2019
Editore: ICLR

Edge Directionality Improves Learning on Heterophilic Graphs

Autori: Emanuele Rossi, Bertrand Charpentier, Francesco Di Giovanni, Fabrizio Frasca, Stephan Günnemann, Michael Bronstein
Pubblicato in: LoG, 2023
Editore: log

Gradient Gating for Deep Multi-Rate Learning on Graphs

Autori: Rusch, T. Konstantin; Chamberlain, Benjamin P.; Mahoney, Michael W.; Bronstein, Michael; Mishra, Siddhartha
Pubblicato in: ICML, 2023
Editore: icml
DOI: 10.48550/arxiv.2210.00513

DRew: Dynamically Rewired Message Passing with Delay

Autori: Benjamin Gutteridge, Xiaowen Dong, Michael Bronstein, Francesco Di Giovanni
Pubblicato in: ICML, 2023
Editore: icml

Neural Sheaf Diffusion: A Topological Perspective on Heterophily and Oversmoothing in GNNs

Autori: Bodnar, C; Di Giovanni, F; Chamberlain, BP; Liò, P; Bronstein, M
Pubblicato in: NeurIPS, 2022
Editore: neurips
DOI: 10.48550/arxiv.2202.04579

On Over-Squashing in Message Passing Neural Networks:The Impact of Width, Depth, and Topology

Autori: Francesco Di Giovanni, Lorenzo Giusti, Federico Barbero, Giulia Luise, Pietro Lio, Michael Bronstein
Pubblicato in: ICML, 2023
Editore: icml

SpiralNet++: A Fast and Highly Efficient Mesh Convolution Operator

Autori: Shunwang Gong, Lei Chen, Michael Bronstein, Stefanos Zafeiriou
Pubblicato in: 2019 IEEE/CVF International Conference on Computer Vision Workshop (ICCVW), 2022
Editore: IEEE
DOI: 10.1109/iccvw.2019.00509

Weisfeiler and Lehman Go Cellular: CW Networks

Autori: Bodnar, Cristian; Frasca, Fabrizio; Otter, Nina; Wang, Yu Guang; Liò, Pietro; Montúfar, Guido; Bronstein, Michael
Pubblicato in: NeurIPS, 2021
Editore: neurips
DOI: 10.48550/arxiv.2106.12575

Geometric Deep Learning on Graphs and Manifolds Using Mixture Model CNNs

Autori: Federico Monti, Davide Boscaini, Jonathan Masci, Emanuele Rodola, Jan Svoboda, Michael M. Bronstein
Pubblicato in: 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, Pagina/e 5425-5434, ISBN 978-1-5386-0457-1
Editore: IEEE
DOI: 10.1109/cvpr.2017.576

Geometric matrix completion with recurrent multi-graph neural networks

Autori: F. Monti, M. M. Bronstein, X. Bresson
Pubblicato in: Neural Information Processing Systems, 2017
Editore: NIPS

Efficient Deformable Shape Correspondence via Kernel Matching

Autori: Matthias Vestner, Zorah Lahner, Amit Boyarski, Or Litany, Ron Slossberg, Tal Remez, Emanuele Rodola, Alex Bronstein, Michael Bronstein, Ron Kimmel, Daniel Cremers
Pubblicato in: 2017 International Conference on 3D Vision (3DV), 2017, Pagina/e 517-526, ISBN 978-1-5386-2610-8
Editore: IEEE
DOI: 10.1109/3dv.2017.00065

Deep Functional Maps: Structured Prediction for Dense Shape Correspondence

Autori: Or Litany, Tal Remez, Emanuele Rodola, Alex Bronstein, Michael Bronstein
Pubblicato in: 2017 IEEE International Conference on Computer Vision (ICCV), 2017, Pagina/e 5660-5668, ISBN 978-1-5386-1032-9
Editore: IEEE
DOI: 10.1109/iccv.2017.603

MOTIFNET: A MOTIF-BASED GRAPH CONVOLUTIONAL NETWORK FOR DIRECTED GRAPHS

Autori: Federico Monti, Karl Otness, Michael M. Bronstein
Pubblicato in: 2018 IEEE Data Science Workshop (DSW), 2018, Pagina/e 225-228, ISBN 978-1-5386-4410-2
Editore: IEEE
DOI: 10.1109/dsw.2018.8439897

Graph Neural Networks for IceCube Signal Classification

Autori: Nicholas Choma, Federico Monti, Lisa Gerhardt, Tomasz Palczewski, Zahra Ronaghi, Prabhat Prabhat, Wahid Bhimji, Michael Bronstein, Spencer Klein, Joan Bruna
Pubblicato in: 2018 17th IEEE International Conference on Machine Learning and Applications (ICMLA), 2018, Pagina/e 386-391, ISBN 978-1-5386-6805-4
Editore: IEEE
DOI: 10.1109/icmla.2018.00064

Geometric Matrix Completion with Recurrent Multi-Graph Neural Networks

Autori: Monti, Federico; Bronstein, Michael M.; Bresson, Xavier
Pubblicato in: NIPS, Numero 7, 2017
Editore: Nips

Graph Neural Networks for Link Prediction with Subgraph Sketching

Autori: Chamberlain, Benjamin Paul; Shirobokov, Sergey; Rossi, Emanuele; Frasca, Fabrizio; Markovich, Thomas; Hammerla, Nils; Bronstein, Michael M.; Hansmire, Max
Pubblicato in: ICLR, Numero 7, 2023
Editore: icml
DOI: 10.48550/arxiv.2209.15486

Partition and Code: Learning how to compress graphs

Autori: Giorgos Bouritsas; Loukas, A.; Karalias, N.; Bronstein, M. M.
Pubblicato in: Neurips, Numero 1, 2021
Editore: Neurips
DOI: 10.48550/arxiv.2107.01952

Understanding and Extending Subgraph GNNs by Rethinking Their Symmetries

Autori: Frasca, F; Bevilacqua, B; Bronstein, M; Maron, H
Pubblicato in: NeurIPS, 2022
Editore: Neurips
DOI: 10.48550/arxiv.2206.11140

GRAND: Graph Neural Diffusion

Autori: Chamberlain, Benjamin Paul; Rowbottom, James; Gorinova, Maria; Webb, Stefan; Rossi, Emanuele; Bronstein, Michael M.
Pubblicato in: ICML, Numero 9, 2021
Editore: ICML
DOI: 10.48550/arxiv.2106.10934

Neural 3D Morphable Models: Spiral Convolutional Networks for 3D Shape Representation Learning and Generation

Autori: Giorgos Bouritsas, Sergiy Bokhnyak, Stylianos Ploumpis, Stefanos Zafeiriou, Michael Bronstein
Pubblicato in: 2019 IEEE/CVF International Conference on Computer Vision (ICCV), 2022
Editore: IEEE
DOI: 10.1109/iccv.2019.00731

Equivariant Subgraph Aggregation Networks

Autori: Bevilacqua, Beatrice; Frasca, Fabrizio; Lim, Derek; Srinivasan, Balasubramaniam; Cai, Chen; Balamurugan, Gopinath; Bronstein, Michael M.; Maron, Haggai
Pubblicato in: ICLR, 2022
Editore: iclr
DOI: 10.48550/arxiv.2110.02910

Peer reviewed articles (18)

Nonisometric Surface Registration via Conformal Laplace–Beltrami Basis Pursuit

Autori: Stefan C. Schonsheck, Michael M. Bronstein, Rongjie Lai
Pubblicato in: Journal of Scientific Computing, Numero 86, 2021, ISSN 0885-7474
Editore: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10915-020-01390-y

Predicting anticancer hyperfoods with graph convolutional networks

Autori: Guadalupe Gonzalez, Shunwang Gong, Ivan Laponogov, Michael Bronstein, Kirill Veselkov
Pubblicato in: Human Genomics, Numero 15, 2023, ISSN 1479-7364
Editore: Springer Nature
DOI: 10.1186/s40246-021-00333-4

Alzheimer’s disease: using gene/protein network machine learning for molecule discovery in olive oil

Autori: Luís Rita, Natalie R. Neumann, Ivan Laponogov, Guadalupe Gonzalez, Dennis Veselkov, Domenico Pratico, Reza Aalizadeh, Nikolaos S. Thomaidis, David C. Thompson, Vasilis Vasiliou, Kirill Veselkov
Pubblicato in: Human Genomics, Numero 17, 2023, ISSN 1479-7364
Editore: Springer Nature
DOI: 10.1186/s40246-023-00503-6

Auto-deconvolution and molecular networking of gas chromatography–mass spectrometry data

Autori: Alexander A. Aksenov, Ivan Laponogov, Zheng Zhang, Sophie L. F. Doran, Ilaria Belluomo, Dennis Veselkov, Wout Bittremieux, Louis Felix Nothias, Mélissa Nothias-Esposito, Katherine N. Maloney, Biswapriya B. Misra, Alexey V. Melnik, Aleksandr Smirnov, Xiuxia Du, Kenneth L. Jones, Kathleen Dorrestein, Morgan Panitchpakdi, Madeleine Ernst, Justin J. J. van der Hooft, Mabel Gonzalez, Chiara Carazzone,
Pubblicato in: Nature Biotechnology, Numero 39, 2023, Pagina/e 169-173, ISSN 1087-0156
Editore: Nature Publishing Group
DOI: 10.1038/s41587-020-0700-3

Differentiable Graph Module (DGM) for Graph Convolutional Networks

Autori: Anees Kazi, Luca Cosmo, Seyed-Ahmad Ahmadi, Nassir Navab, Michael M. Bronstein
Pubblicato in: IEEE Transactions on Pattern Analysis and Machine Intelligence, Numero 45, 2023, Pagina/e 1606-1617, ISSN 0162-8828
Editore: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tpami.2022.3170249

De novo design of protein interactions with learned surface fingerprints

Autori: Pablo Gainza, Sarah Wehrle, Alexandra Van Hall-Beauvais, Anthony Marchand, Andreas Scheck, Zander Harteveld, Stephen Buckley, Dongchun Ni, Shuguang Tan, Freyr Sverrisson, Casper Goverde, Priscilla Turelli, Charlène Raclot, Alexandra Teslenko, Martin Pacesa, Stéphane Rosset, Sandrine Georgeon, Jane Marsden, Aaron Petruzzella, Kefang Liu, Zepeng Xu, Yan Chai, Pu Han, George F. Gao, Elisa Oricchio,
Pubblicato in: Nature, Numero 617, 2023, Pagina/e 176-184, ISSN 0028-0836
Editore: Nature Publishing Group
DOI: 10.1038/s41586-023-05993-x

Geometric Deep Learning: Going beyond Euclidean data

Autori: Michael M. Bronstein, Joan Bruna, Yann LeCun, Arthur Szlam, Pierre Vandergheynst
Pubblicato in: IEEE Signal Processing Magazine, Numero 34/4, 2017, Pagina/e 18-42, ISSN 1053-5888
Editore: Institute of Electrical and Electronics Engineers
DOI: 10.1109/msp.2017.2693418

Interactive curve constrained functional maps

Autori: A. Gehre, M. M. Bronstein, L. Kobbelt, J. Solomon
Pubblicato in: Computer Graphics Forum, 2018, ISSN 1467-8659
Editore: Wiley
DOI: 10.1111/cgf.13486

Kernel functional maps

Autori: L. Wang, A. Gehre, M. M. Bronstein, J. Solomon
Pubblicato in: Computer Graphics Forum, 2018, ISSN 1467-8659
Editore: Wiley
DOI: 10.1111/cgf.13488

Improved Functional Mappings via Product Preservation

Autori: D. Nogneng, S. Melzi, E. Rodolà, U. Castellani, M. Bronstein, M. Ovsjanikov
Pubblicato in: Computer Graphics Forum, Numero 37/2, 2018, Pagina/e 179-190, ISSN 0167-7055
Editore: Blackwell Publishing Inc.
DOI: 10.1111/cgf.13352

Functional Maps Representation On Product Manifolds

Autori: E. Rodolà, Z. Lähner, A. M. Bronstein, M. M. Bronstein, J. Solomon
Pubblicato in: Computer Graphics Forum, Numero 38/1, 2018, Pagina/e 678-689, ISSN 0167-7055
Editore: Blackwell Publishing Inc.
DOI: 10.1111/cgf.13598

CayleyNets: Graph Convolutional Neural Networks With Complex Rational Spectral Filters

Autori: Ron Levie, Federico Monti, Xavier Bresson, Michael M. Bronstein
Pubblicato in: IEEE Transactions on Signal Processing, Numero 67/1, 2019, Pagina/e 97-109, ISSN 1053-587X
Editore: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tsp.2018.2879624

Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning

Autori: P. Gainza, F. Sverrisson, F. Monti, E. Rodolà, D. Boscaini, M. M. Bronstein, B. E. Correia
Pubblicato in: Nature Methods, 2020, ISSN 1548-7091
Editore: Nature Publishing Group
DOI: 10.1038/s41592-019-0666-6

Using attribution to decode binding mechanism in neural network models for chemistry

Autori: Kevin McCloskey, Ankur Taly, Federico Monti, Michael P. Brenner, Lucy J. Colwell
Pubblicato in: Proceedings of the National Academy of Sciences, 2018, Pagina/e 201820657, ISSN 0027-8424
Editore: National Academy of Sciences
DOI: 10.1073/pnas.1820657116

Network machine learning maps phytochemically rich “Hyperfoods” to fight COVID-19

Autori: Ivan Laponogov, Guadalupe Gonzalez, Madelen Shepherd, Ahad Qureshi, Dennis Veselkov, Georgia Charkoftaki, Vasilis Vasiliou, Jozef Youssef, Reza Mirnezami, Michael Bronstein, Kirill Veselkov
Pubblicato in: Human Genomics, Numero 15, 2024, ISSN 1479-7364
Editore: Springer Media
DOI: 10.1186/s40246-020-00297-x

HyperFoods: Machine intelligent mapping of cancer-beating molecules in foods

Autori: Kirill Veselkov, Guadalupe Gonzalez, Shahad Aljifri, Dieter Galea, Reza Mirnezami, Jozef Youssef, Michael Bronstein, Ivan Laponogov
Pubblicato in: Scientific Reports, Numero 9, 2022, ISSN 2045-2322
Editore: Nature Publishing Group
DOI: 10.1038/s41598-019-45349-y

Shape My Face: Registering 3D Face Scans by Surface-to-Surface Translation

Autori: Mehdi Bahri, Eimear O’ Sullivan, Shunwang Gong, Feng Liu, Xiaoming Liu, Michael M. Bronstein, Stefanos Zafeiriou
Pubblicato in: International Journal of Computer Vision, Numero 129, 2023, Pagina/e 2680-2713, ISSN 0920-5691
Editore: Kluwer Academic Publishers
DOI: 10.1007/s11263-021-01494-4

Genomic-driven nutritional interventions for radiotherapy-resistant rectal cancer patient

Autori: Joshua Southern, Guadalupe Gonzalez, Pia Borgas, Liam Poynter, Ivan Laponogov, Yoyo Zhong, Reza Mirnezami, Dennis Veselkov, Michael Bronstein, Kirill Veselkov
Pubblicato in: Scientific Reports, Numero 13, 2023, ISSN 2045-2322
Editore: Nature Publishing Group
DOI: 10.1038/s41598-023-41833-8

Other (9)

Learning Interpretable Disease Self-Representations for Drug Repositioning

Autori: Frasca, F; Galeano, D; Gonzalez, G; Laponogov, I; Veselkov, K; Paccanaro, A; Bronstein, MM
Pubblicato in: arxiv, Numero 21, 2019
Editore: arxiv
DOI: 10.48550/arxiv.1909.06609

Decoding Surface Fingerprints for Protein-Ligand Interactions

Autori: Ilia Igashov, Arian R. Jamasb, Ahmed Sadek, Freyr Sverrisson, Arne Schneuing, Pietro Liò, Tom L. Blundell, Michael Bronstein, Bruno Correia
Pubblicato in: bioarxiv, 2022
Editore: Cold Spring Harbor Laboratory
DOI: 10.1101/2022.04.26.489341

Unsupervised Network Embedding Beyond Homophily

Autori: Zhong, Zhiqiang; Gonzalez, Guadalupe; Grattarola, Daniele; Pang, Jun
Pubblicato in: arxiv, 2022
Editore: arxiv
DOI: 10.48550/arxiv.2203.10866

Combinatorial prediction of therapeutic perturbationsusing causally-inspired neural networks

Autori: Guadalupe Gonzalez, Isuru Herath, Kirill Veselkov, Michael Bronstein, Marinka Zitnik
Pubblicato in: bioarxiv, 2024
Editore: bioarxiv

Structure-based Drug Design with Equivariant Diffusion Models

Autori: Schneuing, Arne; Du, Yuanqi; Harris, Charles; Jamasb, Arian; Igashov, Ilia; Du, Weitao; Blundell, Tom; Lió, Pietro; Gomes, Carla; Welling, Max; Bronstein, Michael; Correia, Bruno
Pubblicato in: bioarxiv, 2022
Editore: bioarxiv
DOI: 10.48550/arxiv.2210.13695

Fake News Detection on Social Media using Geometric Deep Learning

Autori: Monti, Federico; Frasca, Fabrizio; Eynard, Davide; Mannion, Damon; Bronstein, Michael M.
Pubblicato in: arxiv, Numero 10, 2019
Editore: arxiv
DOI: 10.48550/arxiv.1902.06673

Fake News Detection on Social Media using Geometric Deep Learning

Autori: Monti, Federico; Frasca, Fabrizio; Eynard, Davide; Mannion, Damon; Bronstein, Michael M.
Pubblicato in: Numero 2, 2019
Editore: arxiv

Dual-Primal Graph Convolutional Networks

Autori: Monti, Federico; Shchur, Oleksandr; Bojchevski, Aleksandar; Litany, Or; Günnemann, Stephan; Bronstein, Michael M.
Pubblicato in: Numero 5, 2018
Editore: arxiv

Heterogeneous manifolds for curvature-aware graph embedding

Autori: Di Giovanni, Francesco; Luise, Giulia; Bronstein, Michael
Pubblicato in: arxiv, 2022
Editore: arxiv
DOI: 10.48550/arxiv.2202.01185

Diritti di proprietà intellettuale

Patent (1)

System and a method for learning features on geometric domains

Numero candidatura/pubblicazione: us 10210430
Data: 2016-01-22
Candidato/i: UNIVERSITA DELLA SVIZZERA ITALIANA