《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
2.教学重点1）了解GNN变体技术开发的基本框架、种类和功能3.教学难点1）图神经网络计算框架原理与特点。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开展GNN通用计算框架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GCN、GraphSAGE、GIN等常用GNN变体的相关文献。第八章图分类实践1.教学目标1）了解国际、国内图分类技术发展的历史、现状与趋势；2）了解图分类的基本概念、数学原理和方法；3）了解图分类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）了解图分类技术的基本原理和方法3.教学难点1）图分类原理与特点。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开展图分类技术的课堂讲授及互动讨论2）作业课后感想与总结。3）课外阅读阅读图分类的相关文献。第九章基于GNN的图表示学习1.教学目标1）了解国际、国内图表示学习发展的历史、现状与趋势；
2.教学重点 1）了解 GNN 变体技术开发的基本框架、种类和功能 3.教学难点 1）图神经网络计算框架原理与特点。 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 围绕教学重点开展 GNN 通用计算框架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 GCN、GraphSAGE、GIN 等常用 GNN 变体的相关文献。 第八章 图分类实践 1.教学目标 1）了解国际、国内图分类技术发展的历史、现状与趋势； 2）了解图分类的基本概念、数学原理和方法； 3）了解图分类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）了解图分类技术的基本原理和方法 3.教学难点 1）图分类原理与特点。 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 围绕教学重点开展图分类技术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 阅读图分类的相关文献。 第九章 基于 GNN 的图表示学习 1.教学目标 1）了解国际、国内图表示学习发展的历史、现状与趋势；
2）了解图表示学习的基本概念、数学原理和方法；3）了解图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）图表示学习的基本概念、前沿热点与代表应用。3.教学难点1）图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图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）课外阅读阅读关于图表示学习的相关文献。第十章GNN应用于实践1.教学目标1）了解典型GNN的典型应用场景；2）了解GNN应用开发的基本方法；3）了解dgl编程框架方法。本章教学支持的课程目标为目标2、目标3。2.教学重点1）了解dgl编程框架方法3.教学难点1）dgl原理与并行计算特点。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开展dgl编程框架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
2）了解图表示学习的基本概念、数学原理和方法； 3）了解图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）图表示学习的基本概念、前沿热点与代表应用。 3.教学难点 1）图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图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 阅读关于图表示学习的相关文献。 第十章 GNN 应用于实践 1.教学目标 1）了解典型 GNN 的典型应用场景； 2）了解 GNN 应用开发的基本方法； 3）了解 dgl 编程框架方法。 本章教学支持的课程目标为目标 2、目标 3。 2.教学重点 1）了解 dgl 编程框架方法 3.教学难点 1）dgl 原理与并行计算特点。 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 围绕教学重点开展 dgl 编程框架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
阅读和理解dgl编程手册和方法。九、教与学1.教学方法课程采用理论学习、实例展示、课程实验等多种形式开展教学，学生可根据自己的实际情况进行自主选择，具备很强的灵活性。本课程的教学设计特色主要体现在如下几个方面：1）结合前沿科研热点：图神经网络融合了大数据处理领域（尤其是图计算领域）和深度学习领域两种计算模式，将大数据处理智能化。它是国家的战略发展方向和大型IT企业的核心业务。本课程将融合两个领域的前沿知识和发展态势，并结合国家的战略需求，充分让学生理解学习本课程的重要意义，并激发学生的学习热情：2）理论和实践相结合：课程注重对图神经网络的理论学习和应用实践的结合，在讲解基础理论的同时，穿插实例代码，帮助学生融会贯通GNN的运行机理，培养学生对图神经网络的兴趣与理解；3）联系工程技术与社会责任的教学理念：在教学过程中牢固树立学生振兴我国信息产业的爱国意识和使命感，并结合当前具体承担的国家科研项目实际，阐述图神经网络学习的重要价值及其对我国信息技术发展的深远影响。2.学习方法“图神经网络导论”是一门针对计算机专业本科高年级及研究生的开设的专业选修课程。要求学生对本专业的基础课程及核心专业基础课程等已有较好的掌握，同时对人工智能，特别是对于图神经网络具有浓厚兴趣。学习过程中，首先，要注重对相关基础知识的了解，如图计算、神经网络等；其次，在学习过程中，要注意对图神经网络相关基本概念和核心技术的理解和消化，充分理解图神经网络的基本原理和方法；第三，要理论和实践相结合，独立完成课程配套的实验，通过实验，加强对课程理论知识的理解；第四，适当地结合相关科研文献的阅读，进一步扩展和加深对本领域的前沿发展趋势和相关技术的了解，为后续学习和研究打下基础。十、学时分配序号主要内容学时分配12第一章图的概述22第二章神经网络基础
阅读和理解 dgl 编程手册和方法。 九、教与学 1.教学方法 课程采用理论学习、实例展示、课程实验等多种形式开展教学，学生可根据 自己的实际情况进行自主选择，具备很强的灵活性。本课程的教学设计特色主要 体现在如下几个方面： 1）结合前沿科研热点：图神经网络融合了大数据处理领域（尤其是图计算 领域）和深度学习领域两种计算模式，将大数据处理智能化。它是国家的战略发 展方向和大型 IT 企业的核心业务。本课程将融合两个领域的前沿知识和发展态 势，并结合国家的战略需求，充分让学生理解学习本课程的重要意义，并激发学 生的学习热情； 2）理论和实践相结合：课程注重对图神经网络的理论学习和应用实践的结 合，在讲解基础理论的同时，穿插实例代码，帮助学生融会贯通 GNN 的运行机 理，培养学生对图神经网络的兴趣与理解； 3）联系工程技术与社会责任的教学理念：在教学过程中牢固树立学生振兴 我国信息产业的爱国意识和使命感，并结合当前具体承担的国家科研项目实际， 阐述图神经网络学习的重要价值及其对我国信息技术发展的深远影响。 2.学习方法 “图神经网络导论”是一门针对计算机专业本科高年级及研究生的开设的专 业选修课程。要求学生对本专业的基础课程及核心专业基础课程等已有较好的掌 握，同时对人工智能，特别是对于图神经网络具有浓厚兴趣。学习过程中，首先， 要注重对相关基础知识的了解，如图计算、神经网络等；其次，在学习过程中， 要注意对图神经网络相关基本概念和核心技术的理解和消化，充分理解图神经网 络的基本原理和方法；第三，要理论和实践相结合，独立完成课程配套的实验， 通过实验，加强对课程理论知识的理解；第四，适当地结合相关科研文献的阅读， 进一步扩展和加深对本领域的前沿发展趋势和相关技术的了解，为后续学习和研 究打下基础。 十、学时分配 序号 主要内容 学时分配 1 第一章 图的概述 2 2 第二章 神经网络基础 2
23第三章卷积神经网络42第四章表示学习53第五章图信号处理36第六章图神经网络（GNN）的性质73第七章GNN的变体与框架83第八章图分类实践92第九章基于GNN的图表示学习210第十章GNN应用于实践24总计十一、课程考核与成绩评定1.课程成绩构成课程最终成绩由基于课堂出勒和表现的平时成绩、技术报告、实验报告三部分组成，各部分成绩的比例如下：1）基于课堂出勤和表现的平时成绩：30%。主要考察学生的学习态度、出勒率、参与课堂发言和互动讨论的活跃程度。2）技术报告：30%。学生根据本课程的学习内容，展开进一步的学术资料阅读和调研，包括学术论文、技术文献、学术专著等，就一个专题或技术点，撰写5000字左右的技术报告。3）实验报告：40%。学生根据实验指导手册保质保量完成相关的实验，并按要求撰写实验报告。2.考核与评价标准1）基于课堂出勤和表现的平时成绩根据课堂出勤情况和课堂参与踊跃程度等表现进行评定。2）技术报告评价标准表1作业成绩考核与成绩评定评价标准优秀良好中-及格不及格按时提交报告，概念按时提交报告，概念按时提交报告，概念未按时交作业，概念准确，调研充分，论准确，调研较充分，基本准确，调研不充欠准确，调研和论述述清晰，层次分明。不清晰。论述较清晰，层次分分，论述基本清晰。明。图神经网络课程组2022年4月制定
3 第三章 卷积神经网络 2 4 第四章 表示学习 2 5 第五章 图信号处理 3 6 第六章 图神经网络（GNN）的性质 3 7 第七章 GNN 的变体与框架 3 8 第八章 图分类实践 3 9 第九章 基于 GNN 的图表示学习 2 10 第十章 GNN 应用于实践 2 总计 24 十一、课程考核与成绩评定 1.课程成绩构成 课程最终成绩由基于课堂出勤和表现的平时成绩、技术报告、实验报告三部 分组成，各部分成绩的比例如下： 1）基于课堂出勤和表现的平时成绩：30%。主要考察学生的学习态度、出 勤率、参与课堂发言和互动讨论的活跃程度。 2）技术报告：30%。学生根据本课程的学习内容，展开进一步的学术资料 阅读和调研，包括学术论文、技术文献、学术专著等，就一个专题或技术点，撰 写 5000 字左右的技术报告。 3）实验报告：40%。学生根据实验指导手册保质保量完成相关的实验，并 按要求撰写实验报告。 2.考核与评价标准 1）基于课堂出勤和表现的平时成绩 根据课堂出勤情况和课堂参与踊跃程度等表现进行评定。 2）技术报告评价标准 表 1 作业成绩考核与成绩评定 评价标准 优秀 良好 中-及格 不及格 按时提交报告，概念 准确，调研充分，论 述清晰，层次分明。 按时提交报告，概念 准确，调研较充分， 论述较清晰，层次分 明。 按时提交报告，概念 基本准确，调研不充 分，论述基本清晰。 未按时交作业，概念 欠准确，调研和论述 不清晰。 图神经网络课程组 2022 年 4 月制定