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
從深度學習到圖神經網絡:模型與實踐 版權信息
- ISBN：9787121456824
- 條形碼：9787121456824 ; 978-7-121-45682-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
從深度學習到圖神經網絡:模型與實踐 本書特色
1. 本書從深度學習到圖神經網絡，涉及的理論知識全面細致，內含數學基礎、優化算法、卷積神經網絡、表示學習、嵌入表示、空域圖卷積神經網絡、譜域圖卷積神經網絡等。2.本書寫作風格通俗易懂，可讀性非常高，圖文并茂、深入淺出。即使是沒有基礎的高校學生和AI初階從業者，也能很容易地通過本書入門，降低了前沿知識的學習門檻。3.本書內含數十個代碼范例，所有代碼片段均可獲得，學習過程中可以同時上機實踐，效率倍增。同時本書還附贈學習視頻等資源，方便讀者輔助學習。
從深度學習到圖神經網絡:模型與實踐 內容簡介
近年來，深度學習在人工智能的發展過程中起到了舉足輕重的作用，而圖神經網絡是人工智能領域的一個新興方向，被稱為圖上的深度學習。 本書詳細介紹了從深度學習到圖神經網絡的基礎概念和前沿技術，包括圖上的深度學習、圖神經網絡的數學基礎、神經網絡學習與算法優化、深度學習基礎、神經網絡中的表示學習、面向圖數據的嵌入表示、初代圖神經網絡、空域及譜域圖卷積神經網絡等內容。為增強可讀性，本書敘述清晰、內容深入淺出、圖文并茂，力求降低初學者的學習難度。 本書既可作為人工智能領域研究和開發人員的技術參考書，也可作為對圖上的深度學習感興趣的高年級本科生和研究生的入門書。
從深度學習到圖神經網絡:模型與實踐 目錄
第1章 圖上的深度學習 1
1.1 人工智能與深度學習 2
1.2 圖神經網絡時代的來臨 6
1.3 圖數據處理面臨的挑戰 9
1.4 圖神經網絡的應用層面 12
1.5 圖神經網絡的發展簡史 15
1.6 圖神經網絡的模塊與分類 20
1.7 本章小結 23
參考資料 24
第2章 圖神經網絡的數學基礎 27
2.1 矩陣論基礎 28
2.2 圖論基礎 43
2.3 譜圖論基礎 65
2.4 本章小結 80
參考資料 80
第3章 神經網絡學習與算法優化 82
3.1 人工神經網絡的緣起 83
3.2 神經網絡的**性原理 84
3.3 感知機模型與前饋神經網絡 87
3.4 更強表征能力的多層感知機 91
3.5 不可或缺的激活函數 93
3.6 損失函數 100
3.7 神經網絡的訓練 105
3.8 優化算法的分類 109
3.9 本章小結 112
參考資料 113
第4章 深度學習基礎 115
4.1 深度學習時代的興起 116
4.2 卷積神經網絡 118
4.3 可圈可點的卷積層 120
4.4 降維減負的匯聚層 131
4.5 不可或缺的全連接層 135
4.6 防止過擬合 136
4.7 本章小結 143
參考資料 143
第5章 神經網絡中的表示學習 145
5.1 表示學習的背景 146
5.2 離散表示與獨熱編碼 148
5.3 分布式表示與神經網絡 150
5.4 自編碼器中的表示學習 153
5.5 嵌入表示與Word2vec 161
5.6 詞嵌入實戰 171
5.7 本章小結 179
參考資料 180
第6章 面向圖數據的嵌入表示 182
6.1 圖嵌入概述 183
6.2 DeepWalk的原理 184
6.3 基于DeepWalk的維基百科相似網頁檢測 198
6.4 LINE模型 208
6.5 Node2vec 211
6.6 Metapath2vec 215
6.7 本章小結 218
參考資料 219
第7章 初代圖神經網絡 221
7.1 初代圖神經網絡的誕生 222
7.2 GNN中的數據聚合 222
7.3 初代GNN的工作原理 225
7.4 初代圖神經網絡的局限性 235
7.5 本章小結 235
參考資料 236
第8章 空域圖卷積神經網絡 238
8.1 圖卷積神經網絡概述 239
8.2 MPNN模型 244
8.3 GCN與CNN的關聯 245
8.4 圖卷積節點分類實踐 248
8.5 GraphSAGE 263
8.6 基于GraphSAGE的實踐 273
8.7 本章小結 283
參考資料 284
第9章 譜域圖卷積神經網絡 286
9.1 傅里葉變換 287
9.2 圖傅里葉變換 2909.3 譜域視角下的圖卷積 296
9.4 基于譜域GCN的演進 300
9.5 Karate Club圖卷積分類實踐 308
9.6 本章小結 323
參考資料 323
展開全部
從深度學習到圖神經網絡:模型與實踐 作者簡介
張玉宏，博士畢業于電子科技大學，大數據分析師（高級），2009—2011年美國西北大學訪問學者，2019—2020年美國IUPUI高級訪問學者，CCF鄭州分部執行委員，CFF公益大使。現執教于河南工業大學，主要研究方向為人工智能、大數據等。發表學術論文30余篇，先后撰寫《深度學習之美：AI時代的數據處理與最佳實踐》《Python極簡講義：一本書入門數據分析與機器學習》等科技圖書15部。 楊鐵軍，博士，教授，博士生導師，河南省電子學會副理事長，河南省高等學校電子信息類專業教學指導委員會副主任委員，河南省數字政府建設專家委員會委員。主要研究方向：醫學圖像處理、糧食信息處理。
書友推薦
- >
我從未如此眷戀人間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
伯納黛特,你要去哪(2021新版)
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
唐代進士錄
- >
月亮與六便士
- >
巴金－再思錄
- >
苦雨齋序跋文-周作人自編集
本類暢銷
