中圖網小程序
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
圖表征學習:邁向動態開放環境 版權信息
- ISBN：9787121454868
- 條形碼：9787121454868 ; 978-7-121-45486-8
- 裝幀：平塑勒
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
圖表征學習:邁向動態開放環境 本書特色
清華大學朱文武教授團隊全新力作！ 張鈸、徐宗本、陳純院士傾情作序推薦！ 詳解圖表征學習的基礎知識、前沿進展 系統論述圖表征學習的動態性、可解釋性、魯棒性和泛化性等熱點問題 全面剖析圖表征學習在推薦系統、交通預測、自然語言處理、組合優化領域的應用方法
圖表征學習:邁向動態開放環境 內容簡介
圖數據是對萬物間聯系的一般抽象，廣泛存在于各行各業中。圖表征學習為圖數據的建模與分析提供了新范式，是近年來機器學習與數據挖掘領域的熱門研究方向，并被有效地應用于推薦系統、交通預測等眾多領域。本書將全面介紹圖表征學習，特別是針對處于真實世界動態、開放環境之中圖數據的圖表征學習方法。本書分為3 篇：第1 篇介紹圖嵌入和圖神經網絡等經典圖表征學習方法；第2 篇圍繞魯棒性、動態性、可解釋性、分布外泛化性等多個角度，系統地介紹針對動態開放環境中的圖表征學習方法；第3 篇以四個不同領域為例，從推薦系統、交通預測、自然語言處理、組合優化等場景，介紹圖表征學習的應用方法。除了對代表性方法進行詳細介紹，本書還提供了豐富的參考文獻，讀者可以更深入地學習圖表征學習的前沿內容。本書適合具有一定機器學習基礎的高年級本科生、研究生、教師和研究者，以及對圖數據感興趣的計算機工程師和從業人員閱讀，也適合對人工智能、深度學習和圖數據分析感興趣的其他人士參考。
圖表征學習:邁向動態開放環境 目錄
第1 章概述/1
1.1 引言/1
1.2 圖基礎知識/3
1.3 機器學習基礎知識/7
第1 篇經典圖表征學習
第2 章圖嵌入/13
2.1 基于隨機游走的圖嵌入/13
2.2 基于矩陣分解的圖嵌入/18
2.3 基于深度自編碼器的圖嵌入/21
2.4 本章小結/24
第3 章圖神經網絡/25
3.1 譜域圖神經網絡/26
3.2 空域圖神經網絡/34
3.3 消息傳遞圖神經網絡/41
3.4 圖池化/47
3.5 本章小結/53
第4 章圖表征學習理論分析/54
4.1 圖信號處理/54
4.2 圖同構測試/58
4.3 圖神經網絡表達能力/61
4.4 過平滑與深層圖神經網絡/64
4.5 本章小結/68
第2 篇動態開放環境圖表征學習
第5 章魯棒圖表征學習/71
5.1 圖數據上的對抗樣本/71
5.2 圖對抗攻擊的分類/73
5.3 圖神經網絡模型上的攻擊與防御方法/75
5.4 本章小結/78
第6 章解耦圖表征學習· 79
6.1 基于變分自編碼器的解耦圖神經網絡/79
6.2 基于鄰域路由機制的解耦圖神經網絡/81
6.3 基于其他思想的解耦圖神經網絡/87
6.4 本章小結/90
第7 章動態圖表征學習/91
7.1 動態圖數據/91
7.2 離散時間動態圖表征學習/92
7.3 連續時間動態圖表征學習/94
7.4 本章小結/96
第8 章無監督圖神經網絡與自監督圖神經網絡/97
8.1 無監督學習的圖神經網絡/97
8.2 自監督學習的圖神經網絡/99
8.3 本章小結/106
第9 章圖神經網絡的可解釋性/107
9.1 簡介/107
9.2 可解釋方法分類/109
9.3 實例級局部解釋/110
9.4 模型級全局解釋/114
9.5 對解釋模型的評價/115
9.6 可解釋性的交叉學科應用/117
9.7 本章小結/118
第10 章自動圖表征學習/119
10.1 自動機器學習簡介/119
10.2 圖超參數優化/120
10.3 圖神經網絡架構搜索/122
10.4 本章小結/132
第11 章元學習與圖表征學習/133
11.1 元學習簡介/133
11.2 圖上的元學習/136
11.3 本章小結/143
第12 章分布外泛化圖表征學習/144
12.1 圖分布外泛化問題和分類/145
12.2 數據層面方法/148
12.3 模型層面方法/151
12.4 學習策略/155
12.5 理論分析/162
12.6 本章小結/163
第3 篇圖表征學習的應用
第13 章推薦系統/167
13.1 通用推薦/168
13.2 序列推薦/176
13.3 本章小結/179
第14 章交通預測/180
14.1 時空圖/181
14.2 時空圖神經網絡模型/181
14.3 本章小結/188
第15 章自然語言處理/189
15.1 文本分類/189
15.2 關系抽取/192
15.3 文本生成/193
15.4 問答系統/196
15.5 其他任務/198
15.6 本章小結/198
第16 章組合優化/199
16.1 簡介/199
16.2 預備知識/200
16.3 尋找可行解/201
16.4 本章小結/207
第17 章圖表征學習展望/209
參考文獻/211
展開全部
圖表征學習:邁向動態開放環境 相關資料
本書的內容豐富、系統且具有前瞻性，特別注重介紹動態開放環境下的圖表征學習。由于許多圖數據都處于動態開放環境之中，如何處理這個問題對于圖表征學習的長遠發展有重要意義。本書正好提供了在這方面取得的主要成果。 本書適合具有一定機器學習基礎的高年級本科生、研究生、教師和研究者，以及對圖數據感興趣的計算機工程師和從業人員閱讀，也適合對人工智能、深度學習和圖數據分析感興趣的其他人士參考。 張 鈸 清華大學 本書的主要特點在于深入淺出地介紹了圖表征學習的理論、方法和應用，既適合初學者學習，也適合專業人士深入研究。首先，本書介紹了圖表征學習的基本概念和方法，包括圖嵌入、圖神經網絡等。然后，本書詳細講解了動態開放環境的圖表征學習，這是該領域的研究前沿。相比于靜態封閉環境假設，動態開放環境對圖表征學習方法的魯棒性、泛化性、可解釋性等均提出了嚴峻挑戰，也激發了一系列新方法的設計。這些方法可以幫助我們更好地處理現實世界中的復雜圖數據。最后，本書還介紹了圖表征學習的應用，包括推薦系統、交通預測等。 總之，無論是高等院校相關專業的本科生或研究生，還是領域內的專家，抑或是僅對圖表征學習感興趣的讀者，本書都是一本很好的入門書和參考書，非常值得閱讀。 徐宗本 西安交通大學 本書是關于圖表征學習的介紹，共17章，內容豐富。從廣度上看，書中討論了圖表征學習的不同方面，從早期的圖嵌入到近期的圖神經網絡模型，以及圖表征學習的各類應用，均有涉及。從深度上看，書中重點介紹了在動態開放環境下的圖表征學習，包括圖的動態性、魯棒性、可解釋性和泛化性等方面的內容，均是機器學習和人工智能領域的關鍵問題和前沿方向。本書作者朱文武教授等均來自清華大學，他們長期從事圖表征學習的研究，對這個方向有深刻的理解。 本書既適合計算機科學、機器學習、數據分析專業的學生，以及大數據和人工智能應用程序開發人員參考；也適合本科高年級學生或者研究生，以及大學的老師和研究機構的研究人員閱讀。 陳 純 浙江大學
圖表征學習:邁向動態開放環境 作者簡介
朱文武
清華大學計算機科學與技術系教授，清華大學人工智能研究院大數據智能中心主任，信息科學與技術國家研究中心副主任，國家973項目首席科學家。歐洲科學院院士、ACM Fellow、IEEE Fellow、AAAS Fellow、SPIE Fellow。曾任微軟亞洲研究院主任研究員、英特爾中國研究院首席科學家與總監及美國貝爾實驗室研究員等職。主要從事多媒體智能計算、大數據分析等研究工作。曾擔任IEEE Transactions on Multimedia主編、指導委員會主席。10次獲國際最佳論文獎。獲2018年度國家自然科學二等獎（排名第1）和2012年度國家自然科學二等獎（排名第2）。
王 鑫朱文武
清華大學計算機科學與技術系教授，清華大學人工智能研究院大數據智能中心主任，信息科學與技術國家研究中心副主任，國家973項目首席科學家。歐洲科學院院士、ACM Fellow、IEEE Fellow、AAAS Fellow、SPIE Fellow。曾任微軟亞洲研究院主任研究員、英特爾中國研究院首席科學家與總監及美國貝爾實驗室研究員等職。主要從事多媒體智能計算、大數據分析等研究工作。曾擔任IEEE Transactions on Multimedia主編、指導委員會主席。10次獲國際最佳論文獎。獲2018年度國家自然科學二等獎（排名第1）和2012年度國家自然科學二等獎（排名第2）。
王 鑫
清華大學計算機科學與技術系助理研究員，中國計算機學會多媒體專業技術委員會副秘書長，清華大學博士后校友會秘書處副秘書長。主要研究方向為多媒體智能、媒體大數據、機器學習等，在IEEE TPAMI、ICML、NeurIPS、ACM Multimedia等相關領域國際頂級期刊或會議上發表論文100余篇。承擔國家優秀青年科學基金等項目，獲2017年度中國博士后創新人才支持計劃、2020年度ACM中國新星獎、2022年度IEEE TCMC新星獎。
張子威
清華大學計算機科學與技術系博士后，清華大學數理基科班學士、計算機系博士。主要研究方向為圖機器學習，在國際頂級期刊和會議上發表論文30余篇，谷歌學術引用超過3000次。曾獲清華大學優秀博士畢業生與優秀博士畢業論文、吳文俊人工智能優秀博士學位論文提名，入選百度AI華人新星百強榜單、AI 2000學者榜單、2022年博士后創新人才支持計劃。
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
回憶愛瑪儂
- >
經典常談
- >
羅庸西南聯大授課錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
有舍有得是人生
- >
唐代進士錄
- >
莉莉和章魚
本類暢銷
