《图神经网络导论》课程大纲一、课程名称：图神经网络导论二、课程性质：选修、理论实验（实践）混合课三、学时与学分：32学时，2学分（理论24学时，实验8学时）四、课程先导课：机器学习、离散数学、数据结构、算法设计、数字电路与组合逻辑、计算机组成原理等五、课程简介图神经网络（GraphNeuralNetworks，GNN）是当前人工智能领域最具活力的研究热点之一，它将端到端学习与归纳推理相结合，有望解决经典深度学习网络（DNN、CNN、RNN等）无法处理的因果推理、可解释性等一系列瓶颈问题，被誉为人工智能的下一个拐点，是推动人工智能实质性进展的关键，厂泛应用于药物分子和病毒疫苗的研发、5G芯片的设计、交通流量预测、程序智能分析等现实场景。本课程将从理论研究和应用实践两个方面对GNN进行详细讲解。在理论方面，详细介绍GNN原理、变体模型以及对各种图数据的拓展适配等基础理论；在应用实践上，通过结合大量典型应用案例，详细部析GNN的应用实例代码和工作机制，以期掌握GNN的实践方法。此外，本课程还将介绍图神经网络算法模型、系统开发以及体系结构设计等方面的前沿技术、最新进展及其应用。六、课程目标通过相关教学活动，帮助学生了解图神经网络与机器学习、神经网络、图计算等相关技术的关系，理解图神经网络在当前人工智能和大数据分析处理领域的位置和重要性；在此基础上，具体了解与图神经网络相关的基础理论知识，包括图表示学习、图傅里叶变换、图卷积神经网络、图神经网络的变体与框架等；进一步地，结合具体的科研实践介绍，让学生进一步理解图神经网络的工作原理和对当前科技前沿发展的重要意义，为学生进一步自主学习和从事相关科研活动奠定基础。课程的具体目标包括：目标1：了解当前机器学习、神经网络、图计算等相关科学技术发展的前沿态势和我国的发展现状，并厘清图神经网络与上述前沿科学技术的关系，理解图神经网络在当前人工智能和大数据分析处理领域的位置和重要性，以及对我国科技发展的重要意义，建立对信息技术发展的大局观和国际视野；
《图神经网络导论》课程大纲 一、课程名称：图神经网络导论 二、课程性质：选修、理论实验（实践）混合课 三、学时与学分：32 学时，2 学分（理论 24 学时，实验 8 学时） 四、课程先导课：机器学习、离散数学、数据结构、算法设计、数字电路与组合 逻辑、计算机组成原理等 五、课程简介 图神经网络（Graph Neural Networks，GNN）是当前人工智能领域最具活力 的研究热点之一， 它将端到端学习与归纳推理相结合，有望解决经典深度学习 网络（DNN、CNN、RNN 等）无法处理的因果推理、可解释性等一系列瓶颈问 题，被誉为人工智能的下一个拐点，是推动人工智能实质性进展的关键，广泛应 用于药物分子和病毒疫苗的研发、5G 芯片的设计、交通流量预测、程序智能分 析等现实场景。本课程将从理论研究和应用实践两个方面对 GNN 进行详细讲解。 在理论方面，详细介绍 GNN 原理、变体模型以及对各种图数据的拓展适配等基 础理论；在应用实践上，通过结合大量典型应用案例，详细剖析 GNN 的应用实 例代码和工作机制，以期掌握 GNN 的实践方法。此外，本课程还将介绍图神经 网络算法模型、系统开发以及体系结构设计等方面的前沿技术、最新进展及其应 用。 六、课程目标 通过相关教学活动，帮助学生了解图神经网络与机器学习、神经网络、图计 算等相关技术的关系，理解图神经网络在当前人工智能和大数据分析处理领域的 位置和重要性；在此基础上，具体了解与图神经网络相关的基础理论知识，包括 图表示学习、图傅里叶变换、图卷积神经网络、图神经网络的变体与框架等；进 一步地，结合具体的科研实践介绍，让学生进一步理解图神经网络的工作原理和 对当前科技前沿发展的重要意义，为学生进一步自主学习和从事相关科研活动奠 定基础。 课程的具体目标包括： 目标 1：了解当前机器学习、神经网络、图计算等相关科学技术发展的前沿 态势和我国的发展现状，并厘清图神经网络与上述前沿科学技术的关系，理解图 神经网络在当前人工智能和大数据分析处理领域的位置和重要性，以及对我国科 技发展的重要意义，建立对信息技术发展的大局观和国际视野；
目标2：具体了解并掌握与图神经网络相关的基础理论知识，包括图表示学习、图傅里叶变换、图卷积神经网络、图神经网络的变体与框架等；并能在理解上述知识的基础上，进一步阅读图神经网络领域相对浅显的技术文档和科研文献。目标3：结合具体的科研实践介绍，并通过作业和适当的实验实践，让学生进一步深入理解图神经网络的工作原理和实践要点，为后续自主学习和从事相关科研活动奠定基础。七、课程目标对毕业要求的支撑关系支撑的毕业要求二级指标点对应课程目标8.1具有正确价值观，理解个人和社会的关系，了解中国国情和我国信目标1息产业发展现状10.2了解计算机领域的国际发展趋势、研究热点，理解和尊重世界不目标1同文化的差异性和多样性12.1能认识到计算机技术日新月异的发展特点，认同自主学习和终身目标2学习的必要性12.2具备自主学习能力，能通过多种途径拓展自己的知识和能力，包目标3括理解能力、归纳总结能力和提出问题的能力等八，教学设计及对课程目标的支持第一章图的概述1.教学目标1）了解国际、国内图与图计算发展的历史、现状与趋势；2）了解图的基本概念、基础理论、典型技术与应用场景；3）了解图数据深度学习的基本情况及发展前景。本章教学支持的课程目标为目标1和目标2。2.教学重点1）图及图计算的基本概念、典型技术、前沿热点与代表应用。3.教学难点1）图计算的核心技术原理与特点。4.教学环节设计综合课堂讲授、作业、课外阅读等教学形式。1）课堂讲授围绕教学重点和教学难点开展图与图计算的课堂讲授及互动讨论。2）作业
目标 2：具体了解并掌握与图神经网络相关的基础理论知识，包括图表示学 习、图傅里叶变换、图卷积神经网络、图神经网络的变体与框架等；并能在理解 上述知识的基础上，进一步阅读图神经网络领域相对浅显的技术文档和科研文献。 目标 3：结合具体的科研实践介绍，并通过作业和适当的实验实践，让学生 进一步深入理解图神经网络的工作原理和实践要点，为后续自主学习和从事相关 科研活动奠定基础。 七、课程目标对毕业要求的支撑关系 支撑的毕业要求二级指标点 对应课程目标 8.1 具有正确价值观，理解个人和社会的关系，了解中国国情和我国信 息产业发展现状 目标 1 10.2 了解计算机领域的国际发展趋势、研究热点，理解和尊重世界不 同文化的差异性和多样性 目标 1 12.1 能认识到计算机技术日新月异的发展特点，认同自主学习和终身 学习的必要性 目标 2 12.2 具备自主学习能力，能通过多种途径拓展自己的知识和能力，包 括理解能力、归纳总结能力和提出问题的能力等 目标 3 八、教学设计及对课程目标的支持 第一章 图的概述 1.教学目标 1）了解国际、国内图与图计算发展的历史、现状与趋势； 2）了解图的基本概念、基础理论、典型技术与应用场景； 3）了解图数据深度学习的基本情况及发展前景。 本章教学支持的课程目标为目标 1 和目标 2。 2.教学重点 1）图及图计算的基本概念、典型技术、前沿热点与代表应用。 3.教学难点 1）图计算的核心技术原理与特点。 4.教学环节设计 综合课堂讲授、作业、课外阅读等教学形式。 1）课堂讲授 围绕教学重点和教学难点开展图与图计算的课堂讲授及互动讨论。 2）作业
课后感想与总结。3）课外阅读阅读关于图计算的相关文献。第二章神经网络基础1.教学目标1）了解国际、国内机器学习、神经网络发展的历史、现状与趋势；2）了解神经网络的基本概念、核心技术及其分类与特点：3）了解神经网络的前沿热点与典型应用。本章教学支持的课程目标为目标1和目标2。2.教学重点1）神经网络的基本概念、关键技术、前沿热点与典型应用。3.教学难点1）神经网络的核心技术原理与特点。4.教学环节设计综合课堂讲授、作业、课外阅读等教学形式。1）课堂讲授围绕教学重点和教学难点开展神经网络的课堂讲授及互动讨论。2）作业课后感想与总结。3）课外阅读阅读关于物联网的相关文献。第三章卷积神经网络1.教学目标1）了解国际、国内卷积神经网络发展的历史、现状与趋势：2）了解卷积的基本概念、数学原理、种类和功能；3）了解卷积神经网络的前沿热点与典型应用。本章教学支持的课程目标为目标1、目标2和目标3。2.教学重点1）卷积的基本概念、前沿热点与代表应用。3.教学难点1）卷积的数学原理。4.教学环节设计综合课堂讲授、作业、课外阅读等教学形式
课后感想与总结。 3）课外阅读 阅读关于图计算的相关文献。 第二章 神经网络基础 1.教学目标 1）了解国际、国内机器学习、神经网络发展的历史、现状与趋势； 2）了解神经网络的基本概念、核心技术及其分类与特点； 3）了解神经网络的前沿热点与典型应用。 本章教学支持的课程目标为目标 1 和目标 2。 2.教学重点 1）神经网络的基本概念、关键技术、前沿热点与典型应用。 3.教学难点 1）神经网络的核心技术原理与特点。 4.教学环节设计 综合课堂讲授、作业、课外阅读等教学形式。 1）课堂讲授 围绕教学重点和教学难点开展神经网络的课堂讲授及互动讨论。 2）作业 课后感想与总结。 3）课外阅读 阅读关于物联网的相关文献。 第三章 卷积神经网络 1.教学目标 1）了解国际、国内卷积神经网络发展的历史、现状与趋势； 2）了解卷积的基本概念、数学原理、种类和功能； 3）了解卷积神经网络的前沿热点与典型应用。 本章教学支持的课程目标为目标 1、目标 2 和目标 3。 2.教学重点 1）卷积的基本概念、前沿热点与代表应用。 3.教学难点 1）卷积的数学原理。 4.教学环节设计 综合课堂讲授、作业、课外阅读等教学形式
1）课堂讲授围绕教学重点和教学难点开展卷积神经网络的课堂讲授及互动讨论。2）作业课后感想与总结。3）课外阅读阅读关于卷积神经网络的相关文献。第四章表示学习1.教学目标1）了解国际、国内表示学习发展的历史、现状与趋势；2）了解表示学习的基本概念、数学原理和方法；3）了解表示学习的前沿热点与典型应用。本章教学支持的课程目标为目标2、目标3。2.教学重点1）表示学习的基本概念、前沿热点与代表应用。3.教学难点1）表示学习的核心技术原理与特点。4.教学环节设计综合课堂讲授、作业、课外阅读等教学形式。1）课堂讲授围绕教学重点和教学难点开展表示学习的课堂讲授及互动讨论，2）作业课后感想与总结。3）课外阅读阅读关于表示学习的相关文献。第五章图信号处理1.教学目标1）了解国际、国内图信号处理发展的历史、现状与趋势：2）了解图信号处理的基本概念、数学原理和方法：3）了解图信号处理的前沿热点与典型应用。本章教学支持的课程目标为目标2、目标3。2.教学重点1）图信号处理的基本概念、前沿热点与代表应用。3.教学难点
1）课堂讲授 围绕教学重点和教学难点开展卷积神经网络的课堂讲授及互动讨论。 2）作业 课后感想与总结。 3）课外阅读 阅读关于卷积神经网络的相关文献。 第四章 表示学习 1.教学目标 1）了解国际、国内表示学习发展的历史、现状与趋势； 2）了解表示学习的基本概念、数学原理和方法； 3）了解表示学习的前沿热点与典型应用。 本章教学支持的课程目标为目标 2、目标 3。 2.教学重点 1）表示学习的基本概念、前沿热点与代表应用。 3.教学难点 1）表示学习的核心技术原理与特点。 4.教学环节设计 综合课堂讲授、作业、课外阅读等教学形式。 1）课堂讲授 围绕教学重点和教学难点开展表示学习的课堂讲授及互动讨论。 2）作业 课后感想与总结。 3）课外阅读 阅读关于表示学习的相关文献。 第五章 图信号处理 1.教学目标 1）了解国际、国内图信号处理发展的历史、现状与趋势； 2）了解图信号处理的基本概念、数学原理和方法； 3）了解图信号处理的前沿热点与典型应用。 本章教学支持的课程目标为目标 2、目标 3。 2.教学重点 1）图信号处理的基本概念、前沿热点与代表应用。 3.教学难点
1）图信号处理的核心技术原理与特点。4.教学环节设计综合课堂讲授、作业、课外阅读等教学形式。1）课堂讲授围绕教学重点和教学难点开展图信号处理的课堂讲授及互动讨论。2）作业课后感想与总结。3）课外阅读阅读关于图信号处理的相关文献。第六章图神经网络（GNN）的性质1.教学目标1）了解国际、国内图神经网络发展的历史、现状与趋势；2）了解图神经网络的基本概念、数学性质、种类和功能；3）了解图神经网络的前沿热点与典型应用。本章教学支持的课程目标为目标2、目标3。2.教学重点1）图神经网络的基本概念、前沿热点与代表应用。3.教学难点1）图神经网络的核心技术原理与特点。4.教学环节设计综合课堂讲授、作业、课外阅读等教学形式。1）课堂讲授围绕教学重点和教学难点开展图神经网络的课堂讲授及互动讨论。2）作业课后感想与总结。3）课外阅读阅读关于图神经网络的相关文献。第七章GNN的变体与框架1.教学目标1）了解国际、国内GNN变体技术的发展趋势；2）了解GNN变体技术开发的基本框架、种类和功能；3）了解GNN变体技术的前沿热点与典型应用。本章教学支持的课程目标为目标2、目标3
1）图信号处理的核心技术原理与特点。 4.教学环节设计 综合课堂讲授、作业、课外阅读等教学形式。 1）课堂讲授 围绕教学重点和教学难点开展图信号处理的课堂讲授及互动讨论。 2）作业 课后感想与总结。 3）课外阅读 阅读关于图信号处理的相关文献。 第六章 图神经网络（GNN）的性质 1.教学目标 1）了解国际、国内图神经网络发展的历史、现状与趋势； 2）了解图神经网络的基本概念、数学性质、种类和功能； 3）了解图神经网络的前沿热点与典型应用。 本章教学支持的课程目标为目标 2、目标 3。 2.教学重点 1）图神经网络的基本概念、前沿热点与代表应用。 3.教学难点 1）图神经网络的核心技术原理与特点。 4.教学环节设计 综合课堂讲授、作业、课外阅读等教学形式。 1）课堂讲授 围绕教学重点和教学难点开展图神经网络的课堂讲授及互动讨论。 2）作业 课后感想与总结。 3）课外阅读 阅读关于图神经网络的相关文献。 第七章 GNN 的变体与框架 1.教学目标 1）了解国际、国内 GNN 变体技术的发展趋势； 2）了解 GNN 变体技术开发的基本框架、种类和功能； 3）了解 GNN 变体技术的前沿热点与典型应用。 本章教学支持的课程目标为目标 2、目标 3