各位老师，同学：
时间：4月23日讨论班 15:30-17:00
地点：教学楼5-103
报告内容：
刘志奇 Graph Attention Networks
    本文提出基于图结构化数据的新型神经网络架构——图关注网络（GATs）, 任意的GATs都是通过图注意层（graph attentional layer）的堆叠构成的。它的作用就是根据邻居节点的特征向量得到各个节点的隐含表示（也是一个向量，可能与节点的特征向量维度不同）。本文提出的框架用于节点分类。

侯美好 Deep Patient: An Unsupervised Representation to Predict the Future of Patients from the Electronic Health Records
    本文提出了一种我们称之为“深度患者”的新框架，通过一套通用特征来代表患者，这些特征是通过深度学习方法从大型EHR数据库中自动推断出来的。具体而言，使用由一叠降噪自编码器组成的深度神经网络以无监督的方式处理EHR，该方法捕获数据中的稳定结构和规则模式，这些模式组合在一起构成深度患者表示。这种表示可以促进临床预测建模。

下周报告人 岳灵茜，车正伟