书馨卡帮你省薪
好书大清仓|每满60减30，减后满百送文创
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新用户注册领10元
中图网
>
计算机/网络
>
人工智能
深入浅出图神经网络:GNN原理解析
分享

深入浅出图神经网络:GNN原理解析

作者：刘忠雨李彦霖周洋
出版社：机械工业出版社出版时间：2020-01-01
开本： 16开 页数： 224
本类榜单：计算机/网络销量榜
中 图 价:¥56.1(6.3折) 定价  ¥89.0 登录后可看到会员价
加入购物车 收藏
运费6元，满39元免运费
?新疆、西藏除外
本类五星书更多>
买过本商品的人还买了
中图价:¥56.1 加入购物车
洞明世事，从读书开始 淘书团

深入浅出图神经网络:GNN原理解析 版权信息

  • ISBN：9787111643630
  • 条形码：9787111643630 ; 978-7-111-64363-0
  • 装帧：一般胶版纸
  • 册数：暂无
  • 重量：暂无
  • 所属分类：
    计算机/网络
    >
    人工智能

深入浅出图神经网络:GNN原理解析 本书特色

适读人群 ：1.从事机器学习、深度学习、神经网络相关技术研究和开发的研究人员和工程师。 2.人工智能领域的所有技术研究和开发人员。（1）极验AI & 图项目团队倾力之作 （2）资深图神经网络专家多年研究和实践总结-白翔、俞栋等学术界和企业界领军人物强烈推荐 （3）从原理、算法、实现、应用4个维度详细讲解图神经网络-理论与实践相结合 作者亲授“图神经网络”直播课，与图书搭配学习效果更佳！ 获取方式： 1.微信关注“华章计算机”（微信号：hzbook_jsj） 2.在后台回复关键词:GNN

深入浅出图神经网络:GNN原理解析 内容简介

这是一本从原理、算法、实现、应用4个维度详细讲解图神经网络的著作-在图神经网络领域具有重大的意义。 本书作者是图神经网络领域的资深技术专家-作者所在的公司极验也是该领域的领先者。本书是作者和极验多年研究与实践经验的总结-内容系统、扎实、深入浅出-得到了白翔、俞栋等多位学术界和企业界领军人物的高度评价及强烈推荐。 全书共10章： 第1～4章全面介绍了图、图数据、卷积神经网络以及表示学习等基础知识-是阅读本书的预备知识； 第5～6章从理论的角度出发-讲解了图信号处理和图卷积神经网络-深入剖析了图卷积神经网络的性质-并提供了GCN实现节点分类的实例； 第7～9章全面讲解了图神经网络的各种变体及范式、图分类机制及其实践-以及基于GNN的图表示学习； 第10章介绍了图神经网络的新研究和应用。 作者亲授“图神经网络”直播课，与图书搭配学习效果更佳！ 获取方式： 1.微信关注“华章计算机”（微信号：hzbook_jsj） 2.在后台回复关键词:GNN

深入浅出图神经网络:GNN原理解析 目录

前言

第1章　图的概述 1

1.1　图的基本定义 1

1.1.1　图的基本类型 2

1.1.2　邻居和度 4

1.1.3　子图与路径 4

1.2　图的存储与遍历 5

1.2.1　邻接矩阵与关联矩阵 5

1.2.2　图的遍历 6

1.3　图数据的应用场景 7

1.4　图数据深度学习 10

1.5　参考文献 13

第2章　神经网络基础 17

2.1　机器学习基本概念 17

2.1.1　机器学习分类 17

2.1.2　机器学习流程概述 18

2.1.3　常见的损失函数 21

2.1.4　梯度下降算法 23

2.2　神经网络 25

2.2.1　神经元 25

2.2.2　多层感知器 27

2.3　激活函数 29

2.3.1　S型激活函数 30

2.3.2　ReLU及其变种 30

2.4　训练神经网络 33

2.4.1　神经网络的运行过程 34

2.4.2　反向传播 34

2.4.3　优化困境 36

2.5　参考文献 38

第3章　卷积神经网络 39

3.1　卷积与池化 39

3.1.1　信号处理中的卷积 39

3.1.2　深度学习中的卷积操作 42

3.1.3　池化 46

3.2　卷积神经网络 46

3.2.1　卷积神经网络的结构 47

3.2.2　卷积神经网络的特点 49

3.3　特殊的卷积形式 51

3.3.1　1×1卷积 51

3.3.2　转置卷积 52

3.3.3　空洞卷积 54

3.3.4　分组卷积 55

3.3.5　深度可分离卷积 55

3.4　卷积网络在图像分类中的应用 56

3.4.1　VGG 56

3.4.2　Inception系列 57

3.4.3　ResNet 60

3.5　参考文献 62

第4章　表示学习 65

4.1　表示学习 65

4.1.1　表示学习的意义 65

4.1.2　离散表示与分布式表示 66

4.1.3　端到端学习是一种强大的表示学习方法 68

4.2　基于重构损失的方法—自编码器 69

4.2.1　自编码器 69

4.2.2　正则自编码器 71

4.2.3　变分自编码器 72

4.3　基于对比损失的方法—Word2vec 75

4.4　参考文献 79

第5章　图信号处理与图卷积神经网络 81

5.1　矩阵乘法的三种方式 81

5.2　图信号与图的拉普拉斯矩阵 83

5.3　图傅里叶变换 85

5.4　图滤波器 90

5.4.1　空域角度 93

5.4.2　频域角度 94

5.5　图卷积神经网络 96

5.6　GCN实战 101

5.7　参考文献 109

第6章　GCN的性质 111

6.1　GCN与CNN的联系 111

6.2　GCN能够对图数据进行端对端学习 115

6.3　GCN是一个低通滤波器 120

6.4　GCN的问题—过平滑 122

6.5　参考文献 127

第7章　GNN的变体与框架 129

7.1　GraphSAGE 129

7.1.1　采样邻居 130

7.1.2　聚合邻居 131

7.1.3　GraphSAGE算法过程 132

7.2　GAT 134

7.2.1　注意力机制 134

7.2.2　图注意力层 137

7.2.3　多头图注意力层 138

7.3　R-GCN 140

7.3.1　知识图谱 140

7.3.2　R-GCN 141

7.4　GNN的通用框架 143

7.4.1　MPNN 143

7.4.2　NLNN 146

7.4.3　GN 147

7.5　GraphSAGE实战 148

7.6　参考文献 153

第8章　图分类 155

8.1　基于全局池化的图分类 155

8.2　基于层次化池化的图分类 156

8.2.1　基于图坍缩的池化机制 157

8.2.2　基于TopK的池化机制 165

8.2.3　基于边收缩的池化机制 168

8.3　图分类实战 169

8.4　参考文献 177

第9章　基于GNN的图表示学习 179

9.1　图表示学习 180

9.2　基于GNN的图表示学习 182

9.2.1　基于重构损失的GNN 183

9.2.2　基于对比损失的GNN 184

9.3　基于图自编码器的推荐系统 188

9.4　参考文献 195

第10章　GNN的应用简介 197

10.1　GNN的应用简述 197

10.2　GNN的应用案例 199

10.2.1　3D视觉 199

10.2.2　基于社交网络的推荐系统 203

10.2.3　视觉推理 205

10.3　GNN的未来展望 208

10.4　参考文献 209

附录A　符号声明 211

展开全部

深入浅出图神经网络:GNN原理解析 作者简介

刘忠雨 毕业于华中科技大学，资深图神经网络技术专家，极验科技人工智能实验室主任和首席技术官。在机器学习、深度学习以及图学习领域有6年以上的算法架构和研发经验，主导研发了极验行为验证、深知业务风控、叠图等产品，极验科技目前服务于全球 26万家企业。 李彦霖　 毕业于武汉大学，极验人工智能实验室技术专家。一直从事机器学习、深度学习、图学习领域的研究工作。在深度神经网络算法研发、图神经网络在计算机视觉以及风控中的应用等领域实践经验丰富。 周洋 工学博士，毕业于武汉大学，目前在华中师范大学任教。曾受邀到北卡罗莱纳大学访学，长期在大数据挖掘前沿领域进行探索和研究，并应用于地理时空大数据、交通地理等诸多方向，已发表SCI&SSCI及核心期刊论文10余篇。

商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服