中圖網(wǎng)小程序
一鍵登錄
更方便
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(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
圖神經(jīng)網(wǎng)絡:基礎、前沿與應用 版權信息
- ISBN：9787115598721
- 條形碼：9787115598721 ; 978-7-115-59872-1
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
圖神經(jīng)網(wǎng)絡:基礎、前沿與應用 本書特色
前沿：圖神經(jīng)網(wǎng)絡是機器學習、數(shù)據(jù)科學、數(shù)據(jù)挖掘領域新興的發(fā)展方向，被稱作圖上的深度學習，有望推動第三代人工智能的順利發(fā)展。 豐富：綜述圖神經(jīng)網(wǎng)絡的基礎理論、模擬算法、研究前沿以及廣泛和新興的應用場景深入：摒棄簡單介紹概念與框架的思維，深入分析圖神經(jīng)網(wǎng)絡的現(xiàn)狀以及未來的調整與機遇，幫助專業(yè)人士和初學者知其然知其所以然力薦：囊括國內AI界半壁江山的大咖聯(lián)袂推薦
圖神經(jīng)網(wǎng)絡:基礎、前沿與應用 內容簡介
本書致力于介紹圖神經(jīng)網(wǎng)絡的基本概念和算法、研究前沿以及廣泛和新興的應用，涵蓋圖神經(jīng)網(wǎng)絡的廣泛主題，從基礎到前沿，從方法到應用，涉及從方法論到應用場景方方面面的內容。全書分為四部分：**部分介紹圖神經(jīng)網(wǎng)絡的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡典型的前沿領域；第四部分描述可能對圖神經(jīng)網(wǎng)絡未來研究比較重要和有前途的方法與應用的進展情況。
圖神經(jīng)網(wǎng)絡:基礎、前沿與應用 目錄
第 一部分 引言
第 1章 表征學習 2
1.1 導讀 2
1.2 不同領域的表征學習 3
1.2.1 用于圖像處理的表征學習 3
1.2.2 用于語音識別的表征學習 5
1.2.3 用于自然語言處理的表征學習 7
1.2.4 用于網(wǎng)絡分析的表征學習 8
1.3 小結 9
第 2章 圖表征學習 11
2.1 導讀 11
2.2 傳統(tǒng)圖嵌入方法 12
2.3 現(xiàn)代圖嵌入方法 13
2.3.1 保留圖結構和屬性的圖表征學習 13
2.3.2 帶有側面信息的圖表征學習 15
2.3.3 保留高級信息的圖表征學習 15
2.4 圖神經(jīng)網(wǎng)絡 16
2.5 小結 17
第3章 圖神經(jīng)網(wǎng)絡 18
3.1 導讀 18
3.2 圖神經(jīng)網(wǎng)絡概述 19
3.2.1 圖神經(jīng)網(wǎng)絡基礎 19
3.2.2 圖神經(jīng)網(wǎng)絡前沿 20
3.2.3 圖神經(jīng)網(wǎng)絡應用 22
3.2.4 本書組織結構 23
3.3 小結 24
第二部分 基礎
第4章 用于節(jié)點分類的圖神經(jīng)網(wǎng)絡 28
4.1 背景和問題定義 28
4.2 有監(jiān)督的圖神經(jīng)網(wǎng)絡 29
4.2.1 圖神經(jīng)網(wǎng)絡的一般框架 29
4.2.2 圖卷積網(wǎng)絡 30
4.2.3 圖注意力網(wǎng)絡 32
4.2.4 消息傳遞神經(jīng)網(wǎng)絡 33
4.2.5 連續(xù)圖神經(jīng)網(wǎng)絡 33
4.2.6 多尺度譜圖卷積網(wǎng)絡 35
4.3 無監(jiān)督的圖神經(jīng)網(wǎng)絡 37
4.3.1 變分圖自編碼器 37
4.3.2 深度圖信息*大化 39
4.4 過平滑問題 41
4.5 小結 42
第5章 圖神經(jīng)網(wǎng)絡的表達能力 44
5.1 導讀 44
5.2 圖表征學習和問題的提出 47
5.3 強大的消息傳遞圖神經(jīng)網(wǎng)絡 49
5.3.1 用于集合的神經(jīng)網(wǎng)絡 49
5.3.2 消息傳遞圖神經(jīng)網(wǎng)絡 50
5.3.3 MP-GNN的表達能力 51
5.3.4 具有1-WL測試能力的MP-GNN 53
5.4 比1-WL測試更強大的圖神經(jīng)網(wǎng)絡架構 54
5.4.1 MP-GNN的局限性 54
5.4.2 注入隨機屬性 56
5.4.3 注入確定性距離屬性 61
5.4.4 建立高階圖神經(jīng)網(wǎng)絡 65
5.5 小結 69
第6章 圖神經(jīng)網(wǎng)絡的可擴展性 71
6.1 導讀 71
6.2 引言 72
6.3 抽樣
展開全部
圖神經(jīng)網(wǎng)絡:基礎、前沿與應用 作者簡介
吳凌飛，博士，畢業(yè)于美國公立常春藤盟校之一的威廉與瑪麗學院計算機系。目前他是Pinterest公司主管知識圖譜和內容理解的研發(fā)工程經(jīng)理。曾任京東硅谷研究中心的首席科學家和IBM Thomas J. Vatson Research Centerl的高級研究員。主要研究方向是機器學習、表征學習和自然語言處理的有機結合，在圖神經(jīng)網(wǎng)絡及其應用方面有深入研究。他在機器學習、深度學習等領域的著名會議或期刊上發(fā)表100多篇論文。 崔鵬，博士，清華大學計算機系終身副教授。于2010年在清華大學獲得博士學位。研究興趣包括數(shù)據(jù)挖掘、機器學習和多媒體分析，擅長網(wǎng)絡表示學習、因果推理和穩(wěn)定學習、社會動力學建模和用戶行為建模等。他在機器學習和數(shù)據(jù)挖掘領域的著名會議或期刊上發(fā)表100多篇論文。 裴健，博士，杜克大學電子與計算機工程系教授。他是數(shù)據(jù)科學、大數(shù)據(jù)、數(shù)據(jù)挖掘和數(shù)據(jù)庫系統(tǒng)等領域的研究人員。他擅長為新型數(shù)據(jù)密集型應用開發(fā)有效的數(shù)據(jù)分析技術，并將其研究成果轉化為產(chǎn)品和商業(yè)實踐。自2000年以來，他已經(jīng)出版一本教科書、兩本專著，并在眾多具有影響力的會議或期刊上發(fā)表300多篇論文。 趙亮，博士，埃默里大學計算科學系助理教授。曾在喬治梅森大學信息科學與技術系和計算機科學系擔任助理教授。于2016年在弗吉尼亞理工大學計算機科學系獲得博士學位。研究興趣包括數(shù)據(jù)挖掘、人工智能和機器學習，在時空和網(wǎng)絡數(shù)據(jù)挖掘、圖深度學習、非凸優(yōu)化、事件預測和可解釋機器學習等方面有深入研究。
書友推薦
- >
姑媽的寶刀
- >
苦雨齋序跋文-周作人自編集
- >
中國歷史的瞬間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
史學評論
- >
山海經(jīng)
- >
龍榆生：詞曲概論/大家小書
- >
李白與唐代文化
本類暢銷
