超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

不再提示
关闭
图书盲袋,以书为“药”
欢迎光临中图网 请 | 注册
> >
图神经网络:基础、前沿与应用

图神经网络:基础、前沿与应用

出版社:人民邮电出版社出版时间:2022-12-01
开本: 26cm 页数: 484页
中 图 价:¥125.2(7.0折) 定价  ¥178.8 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>

图神经网络:基础、前沿与应用 版权信息

  • ISBN:9787115598721
  • 条形码:9787115598721 ; 978-7-115-59872-1
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

图神经网络:基础、前沿与应用 本书特色

前沿:图神经网络是机器学习、数据科学、数据挖掘领域新兴的发展方向,被称作图上的深度学习,有望推动第三代人工智能的顺利发展。 丰富:综述图神经网络的基础理论、模拟算法、研究前沿以及广泛和新兴的应用场景深入:摒弃简单介绍概念与框架的思维,深入分析图神经网络的现状以及未来的调整与机遇,帮助专业人士和初学者知其然知其所以然力荐:囊括国内AI界半壁江山的大咖联袂推荐

图神经网络:基础、前沿与应用 内容简介

本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用,涵盖图神经网络的广泛主题,从基础到前沿,从方法到应用,涉及从方法论到应用场景方方面面的内容。全书分为四部分:**部分介绍图神经网络的基本概念;第二部分讨论图神经网络成熟的方法;第三部分介绍图神经网络典型的前沿领域;第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。

图神经网络:基础、前沿与应用 目录

第 一部分 引言 第 1章 表征学习 2 1.1 导读 2 1.2 不同领域的表征学习 3 1.2.1 用于图像处理的表征学习 3 1.2.2 用于语音识别的表征学习 5 1.2.3 用于自然语言处理的表征学习 7 1.2.4 用于网络分析的表征学习 8 1.3 小结 9 第 2章 图表征学习 11 2.1 导读 11 2.2 传统图嵌入方法 12 2.3 现代图嵌入方法 13 2.3.1 保留图结构和属性的图表征学习 13 2.3.2 带有侧面信息的图表征学习 15 2.3.3 保留高级信息的图表征学习 15 2.4 图神经网络 16 2.5 小结 17 第3章 图神经网络 18 3.1 导读 18 3.2 图神经网络概述 19 3.2.1 图神经网络基础 19 3.2.2 图神经网络前沿 20 3.2.3 图神经网络应用 22 3.2.4 本书组织结构 23 3.3 小结 24 第二部分 基础 第4章 用于节点分类的图神经网络 28 4.1 背景和问题定义 28 4.2 有监督的图神经网络 29 4.2.1 图神经网络的一般框架 29 4.2.2 图卷积网络 30 4.2.3 图注意力网络 32 4.2.4 消息传递神经网络 33 4.2.5 连续图神经网络 33 4.2.6 多尺度谱图卷积网络 35 4.3 无监督的图神经网络 37 4.3.1 变分图自编码器 37 4.3.2 深度图信息*大化 39 4.4 过平滑问题 41 4.5 小结 42 第5章 图神经网络的表达能力 44 5.1 导读 44 5.2 图表征学习和问题的提出 47 5.3 强大的消息传递图神经网络 49 5.3.1 用于集合的神经网络 49 5.3.2 消息传递图神经网络 50 5.3.3 MP-GNN的表达能力 51 5.3.4 具有1-WL测试能力的MP-GNN 53 5.4 比1-WL测试更强大的图神经网络架构 54 5.4.1 MP-GNN的局限性 54 5.4.2 注入随机属性 56 5.4.3 注入确定性距离属性 61 5.4.4 建立高阶图神经网络 65 5.5 小结 69 第6章 图神经网络的可扩展性 71 6.1 导读 71 6.2 引言 72 6.3 抽样
展开全部

图神经网络:基础、前沿与应用 作者简介

吴凌飞,博士,毕业于美国公立常春藤盟校之一的威廉与玛丽学院计算机系。目前他是Pinterest公司主管知识图谱和内容理解的研发工程经理。曾任京东硅谷研究中心的首席科学家和IBM Thomas J. Vatson Research Centerl的高级研究员。主要研究方向是机器学习、表征学习和自然语言处理的有机结合,在图神经网络及其应用方面有深入研究。他在机器学习、深度学习等领域的著名会议或期刊上发表100多篇论文。 崔鹏,博士,清华大学计算机系终身副教授。于2010年在清华大学获得博士学位。研究兴趣包括数据挖掘、机器学习和多媒体分析,擅长网络表示学习、因果推理和稳定学习、社会动力学建模和用户行为建模等。他在机器学习和数据挖掘领域的著名会议或期刊上发表100多篇论文。 裴健,博士,杜克大学电子与计算机工程系教授。他是数据科学、大数据、数据挖掘和数据库系统等领域的研究人员。他擅长为新型数据密集型应用开发有效的数据分析技术,并将其研究成果转化为产品和商业实践。自2000年以来,他已经出版一本教科书、两本专著,并在众多具有影响力的会议或期刊上发表300多篇论文。 赵亮,博士,埃默里大学计算科学系助理教授。曾在乔治梅森大学信息科学与技术系和计算机科学系担任助理教授。于2016年在弗吉尼亚理工大学计算机科学系获得博士学位。研究兴趣包括数据挖掘、人工智能和机器学习,在时空和网络数据挖掘、图深度学习、非凸优化、事件预测和可解释机器学习等方面有深入研究。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服