会议介绍
ICML是国际机器学习大会。与NeurIPS和ICLR 一起被评为机器学习和人工智能研究领域具有重大影响的三大主要会议之一。近年来，ICML会议的投稿数量一直增长：ICML 2020 投稿量为4990篇，ICML 2021的投稿量5513， 在一个月之前，ICML 2021的论文接收结果已经公布，其中1184篇论文被接收，接收率为 21.5% 。
AMiner通过AI技术，对ICML2021收录的会议论文进行了分类整理，欢迎收藏！
ICML 2021：https://www.aminer.cn/conf/icml2021
1.论文名称：E(n) Equivariant Graph Neural Networks
论文链接：https://www.aminer.cn/pub/6033832f91e011e54d039b86
过度拟合训练集：我们解释了对称问题，并展示了等变图神经网络在给定数据集中优于其他方法。
2.论文名称：Lipschitz Normalization for Self-Attention Layers with Application to Graph Neural Networks
论文链接：https://www.aminer.cn/pub/6047909691e0116b67c79350
我们证明了 Lipschitz 连续模块可以防止梯度爆炸现象，并且可以提高深度注意力模型的性能。
3.论文名称：On Explainability of Graph Neural Networks via Subgraph Explorations
论文链接：https://www.aminer.cn/pub/6025462c91e0118ffcd4a197
在这项工作中，我们提出了一种称为 SubgraphX 的新方法，通过识别重要的子图来解释 GNN。给定一个经过训练的 GNN 模型和一个输入图，我们的 SubgraphX 通过使用蒙特卡罗树搜索有效地探索不同的子图来解释其预测。
4.论文名称：Improving Molecular Graph Neural Network Explainability with Orthonormalization and Induced Sparsity
论文链接：https://www.aminer.cn/pub/609baf6491e0113c3c769369
合理化分子的哪些部分驱动分子图卷积神经网络 (GCNN) 的预测可能很困难。为了提供帮助，我们提出了两种在 GCNN 训练期间应用的简单正则化技术：批量表示正交化 (BRO) 和 Gini 正则化。
5.论文名称：Graph Neural Networks Inspired by Classical Iterative Algorithms
论文链接：https://www.aminer.cn/pub/6049f20b91e01118b758f10a
为了在一个简单的透明框架内至少部分解决这些问题，我们考虑了一个新的 GNN 层系列，旨在模仿和集成两个经典迭代算法的更新规则，即近端梯度下降和迭代重加权最小二乘法 (IRLS)。
想要了解ICML更多论文情况，查看链接：https://www.aminer.cn/conf/icml2021
阅读原文，了解更多ICML 2021相关论文。