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

Pubblicazioni

Peer reviewed articles (8)

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

Conference proceedings (10)

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

PeerNets: Exploiting Peer Wisdom Against Adversarial Attacks

Autori: Svoboda, Jan; Masci, Jonathan; Monti, Federico; Bronstein, Michael M.; Guibas, Leonidas
Pubblicato in: ICLR, Numero 7, 2019
Editore: ICLR

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

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

Other (2)

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

Diritti di proprietà intellettuale

Patent (4)

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

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

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

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