掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
圖神經網絡導論 版權信息
- ISBN：9787115559845
- 條形碼：9787115559845 ; 978-7-115-55984-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
圖神經網絡導論 本書特色
1.清華大學劉知遠力作； 2.圖神經網絡入門導引； 3.邱錫鵬等多位AI先鋒學者推薦； 4.全彩印刷。“圖神經網絡技術發展迅速，想快速學習、掌握這些技術有很多困難。這本書的特點是簡明扼要、系統完整，是學習圖神經網絡的一本好教材。” ——張長水 清華大學自動化系教授、IEEE Fellow“圖神經網絡是近年機器學習的研究熱點，也在很多領域取得應用。這本書內容詳盡，既包含對圖神經網絡基礎的介紹，也有新的一些研究，同時還覆蓋了部分應用，非常系統化，是一本非常值得推薦的書。” ——唐杰 清華大學教授、AMiner創始人“圖神經網絡是目前學術界和工業界的研究熱點之一。這本書全面、系統地介紹了圖神經網絡的基本概念、主要模型以及應用場景，內容清晰易懂，非常適合對圖神經網絡感興趣的讀者閱讀。強烈推薦！” ——邱錫鵬 復旦大學計算機學院教授
圖神經網絡導論 內容簡介
本書全面地介紹了GNN的基本概念、具體模型和實際應用。首先概述數學基礎和神經網絡的概念, 接著介紹GNN的不同種類, 包括卷積圖神經網絡、循環圖神經網絡、圖注意力網絡、圖殘差網絡, 以及幾個通用框架。此外, 本書還介紹了GNN在結構化場景、非結構化場景和其他場景中的應用。讀完本書, 你將對GNN的*新成果和發展方向有較為透徹的認識。
圖神經網絡導論 目錄
第 1章 引論 1
1．1 設計動機 1
1．1．1 卷積神經網絡 1
1．1．2 圖嵌入 3
1．2 相關工作 3
第 2章 數學和圖論基礎 7
2．1 線性代數 7
2．1．1 基本概念 7
2．1．2 特征分解 10
2．1．3 奇異值分解 11
2．2 概率論 12
2．2．1 基本概念和公式 12
2．2．2 概率分布 14
2．3 圖論 15
2．3．1 基本概念 16
2．3．2 圖的代數表示 16
第3章 神經網絡基礎 19
3．1 神經元 19
3．2 后向傳播 22
3．3 神經網絡 24
第4章 基礎圖神經網絡 27
4．1 概述 27
4．2 模型介紹 28
4．3 局限性 30
第5章 卷積圖神經網絡 33
5．1 基于譜分解的方法 33
5．1．1 Spectral Network 33
5．1．2 ChebNet 34
5．1．3 GCN 35
5．1．4 AGCN 36
5．2 基于空間結構的方法 37
5．2．1 Neural FP 37
5．2．2 PATCHY-SAN 38
5．2．3 DCNN 40
5．2．4 DGCN 40
5．2．5 LGCN 42
5．2．6 MoNet 44
5．2．7 GraphSAGE 45
第6章 循環圖神經網絡 47
6．1 GGNN 47
6．2 Tree-LSTM 49
6．3 Graph-LSTM 50
6．4 S-LSTM 51
第7章 圖注意力網絡 55
7．1 GAT 55
7．2 GaAN 57
第8章 圖殘差網絡 59
8．1 Highway GCN 59
8．2 Jump Knowledge Network 60
8．3 DeepGCN 62
第9章 不同圖類型的模型變體 65
9．1 有向圖 65
9．2 異構圖 66
9．3 帶有邊信息的圖 68
9．4 動態圖 70
9．5 多維圖 72
第 10章 高級訓練方法 75
10．1 采樣 75
10．2 層級池化 78
10．3 數據增廣 80
10．4 無監督訓練 80
第 11章 通用框架 83
11．1 MPNN 83
11．2 NLNN 85
11．3 GN 87
第 12章 結構化場景應用 93
12．1 物理學 93
12．2 化學和生物學 95
12．2．1 分子指紋 95
12．2．2 化學反應預測 97
12．2．3 藥物推薦 97
12．2．4 蛋白質和分子交互預測 98
12．3 知識圖譜 99
12．3．1 知識圖譜補全 99
12．3．2 歸納式知識圖譜嵌入 100
12．3．3 知識圖譜對齊 101
12．4 推薦系統 102
12．4．1 矩陣補全 103
12．4．2 社交推薦 104
第 13章 非結構化場景應用 105
13．1 圖像領域 105
13．1．1 圖像分類 105
13．1．2 視覺推理 108
13．1．3 語義分割 109
13．2 文本領域 110
13．2．1 文本分類 110
13．2．2 序列標注 111
13．2．3 神經機器翻譯 112
13．2．4 信息抽取 113
13．2．5 事實驗證 114
13．2．6 其他應用 116
第 14章 其他場景應用 117
14．1 生成模型 117
14．2 組合優化 119
第 15章 開放資源 121
15．1 數據集 121
15．2 代碼實現 123
第 16章 總結 125
16．1 淺層結構 125
16．2 動態圖 126
16．3 非結構化場景 126
16．4 可擴展性 126
參考文獻 129
作者簡介 148
1．1 設計動機 1
1．1．1 卷積神經網絡 1
1．1．2 圖嵌入 3
1．2 相關工作 3
第 2章 數學和圖論基礎 7
2．1 線性代數 7
2．1．1 基本概念 7
2．1．2 特征分解 10
2．1．3 奇異值分解 11
2．2 概率論 12
2．2．1 基本概念和公式 12
2．2．2 概率分布 14
2．3 圖論 15
2．3．1 基本概念 16
2．3．2 圖的代數表示 16
第3章 神經網絡基礎 19
3．1 神經元 19
3．2 后向傳播 22
3．3 神經網絡 24
第4章 基礎圖神經網絡 27
4．1 概述 27
4．2 模型介紹 28
4．3 局限性 30
第5章 卷積圖神經網絡 33
5．1 基于譜分解的方法 33
5．1．1 Spectral Network 33
5．1．2 ChebNet 34
5．1．3 GCN 35
5．1．4 AGCN 36
5．2 基于空間結構的方法 37
5．2．1 Neural FP 37
5．2．2 PATCHY-SAN 38
5．2．3 DCNN 40
5．2．4 DGCN 40
5．2．5 LGCN 42
5．2．6 MoNet 44
5．2．7 GraphSAGE 45
第6章 循環圖神經網絡 47
6．1 GGNN 47
6．2 Tree-LSTM 49
6．3 Graph-LSTM 50
6．4 S-LSTM 51
第7章 圖注意力網絡 55
7．1 GAT 55
7．2 GaAN 57
第8章 圖殘差網絡 59
8．1 Highway GCN 59
8．2 Jump Knowledge Network 60
8．3 DeepGCN 62
第9章 不同圖類型的模型變體 65
9．1 有向圖 65
9．2 異構圖 66
9．3 帶有邊信息的圖 68
9．4 動態圖 70
9．5 多維圖 72
第 10章 高級訓練方法 75
10．1 采樣 75
10．2 層級池化 78
10．3 數據增廣 80
10．4 無監督訓練 80
第 11章 通用框架 83
11．1 MPNN 83
11．2 NLNN 85
11．3 GN 87
第 12章 結構化場景應用 93
12．1 物理學 93
12．2 化學和生物學 95
12．2．1 分子指紋 95
12．2．2 化學反應預測 97
12．2．3 藥物推薦 97
12．2．4 蛋白質和分子交互預測 98
12．3 知識圖譜 99
12．3．1 知識圖譜補全 99
12．3．2 歸納式知識圖譜嵌入 100
12．3．3 知識圖譜對齊 101
12．4 推薦系統 102
12．4．1 矩陣補全 103
12．4．2 社交推薦 104
第 13章 非結構化場景應用 105
13．1 圖像領域 105
13．1．1 圖像分類 105
13．1．2 視覺推理 108
13．1．3 語義分割 109
13．2 文本領域 110
13．2．1 文本分類 110
13．2．2 序列標注 111
13．2．3 神經機器翻譯 112
13．2．4 信息抽取 113
13．2．5 事實驗證 114
13．2．6 其他應用 116
第 14章 其他場景應用 117
14．1 生成模型 117
14．2 組合優化 119
第 15章 開放資源 121
15．1 數據集 121
15．2 代碼實現 123
第 16章 總結 125
16．1 淺層結構 125
16．2 動態圖 126
16．3 非結構化場景 126
16．4 可擴展性 126
參考文獻 129
作者簡介 148
展開全部
圖神經網絡導論 作者簡介
【作者簡介】劉知遠清華大學計算機科學與技術系副教授、博士生導師、智源人工智能研究院研究員，在自然語言處理、表示學習、知識圖譜等人工智能研究領域享有盛譽，所開發的自然語言處理算法已成為該領域的代表方法。2018年入選《麻省理工科技評論》“35歲以下科技創新35人”。周界清華大學計算機科學與技術系碩士，曾在ACL、KDD等國際會議上發表論文，研究興趣包括圖神經網絡和自然語言處理。【譯者簡介】李濼秋浙江大學計算機科學碩士，研究興趣主要為自然語言處理。
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
姑媽的寶刀
- >
苦雨齋序跋文-周作人自編集
- >
羅曼·羅蘭讀書隨筆-精裝
- >
巴金－再思錄
- >
月亮與六便士
- >
小考拉的故事-套裝共3冊
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
