中图网

>

计算机理论

从深度学习到图神经网络:模型与实践

作者：张玉宏

出版社：电子工业出版社出版时间：2023-06-01

开本：其他页数： 340

本类榜单：计算机/网络销量榜

中图价:¥64.8(6.0折) 定价 ~~¥108.0~~ 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>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥64.8 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

从深度学习到图神经网络:模型与实践版权信息

ISBN：9787121456824
条形码：9787121456824 ; 978-7-121-45682-4
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

从深度学习到图神经网络:模型与实践本书特色

1. 本书从深度学习到图神经网络，涉及的理论知识全面细致，内含数学基础、优化算法、卷积神经网络、表示学习、嵌入表示、空域图卷积神经网络、谱域图卷积神经网络等。2.本书写作风格通俗易懂，可读性非常高，图文并茂、深入浅出。即使是没有基础的高校学生和AI初阶从业者，也能很容易地通过本书入门，降低了前沿知识的学习门槛。3.本书内含数十个代码范例，所有代码片段均可获得，学习过程中可以同时上机实践，效率倍增。同时本书还附赠学习视频等资源，方便读者辅助学习。

从深度学习到图神经网络:模型与实践内容简介

近年来，深度学习在人工智能的发展过程中起到了举足轻重的作用，而图神经网络是人工智能领域的一个新兴方向，被称为图上的深度学习。本书详细介绍了从深度学习到图神经网络的基础概念和前沿技术，包括图上的深度学习、图神经网络的数学基础、神经网络学习与算法优化、深度学习基础、神经网络中的表示学习、面向图数据的嵌入表示、初代图神经网络、空域及谱域图卷积神经网络等内容。为增强可读性，本书叙述清晰、内容深入浅出、图文并茂，力求降低初学者的学习难度。本书既可作为人工智能领域研究和开发人员的技术参考书，也可作为对图上的深度学习感兴趣的高年级本科生和研究生的入门书。

从深度学习到图神经网络:模型与实践目录

第1章图上的深度学习 1

1.1 人工智能与深度学习 2

1.2 图神经网络时代的来临 6

1.3 图数据处理面临的挑战 9

1.4 图神经网络的应用层面 12

1.5 图神经网络的发展简史 15

1.6 图神经网络的模块与分类 20

1.7 本章小结 23

参考资料 24

第2章图神经网络的数学基础 27

2.1 矩阵论基础 28

2.2 图论基础 43

2.3 谱图论基础 65

2.4 本章小结 80

参考资料 80

第3章神经网络学习与算法优化 82

3.1 人工神经网络的缘起 83

3.2 神经网络的**性原理 84

3.3 感知机模型与前馈神经网络 87

3.4 更强表征能力的多层感知机 91

3.5 不可或缺的激活函数 93

3.6 损失函数 100

3.7 神经网络的训练 105

3.8 优化算法的分类 109

3.9 本章小结 112

参考资料 113

第4章深度学习基础 115

4.1 深度学习时代的兴起 116

4.2 卷积神经网络 118

4.3 可圈可点的卷积层 120

4.4 降维减负的汇聚层 131

4.5 不可或缺的全连接层 135

4.6 防止过拟合 136

4.7 本章小结 143

参考资料 143

第5章神经网络中的表示学习 145

5.1 表示学习的背景 146

5.2 离散表示与独热编码 148

5.3 分布式表示与神经网络 150

5.4 自编码器中的表示学习 153

5.5 嵌入表示与Word2vec 161

5.6 词嵌入实战 171

5.7 本章小结 179

参考资料 180

第6章面向图数据的嵌入表示 182

6.1 图嵌入概述 183

6.2 DeepWalk的原理 184

6.3 基于DeepWalk的维基百科相似网页检测 198

6.4 LINE模型 208

6.5 Node2vec 211

6.6 Metapath2vec 215

6.7 本章小结 218

参考资料 219

第7章初代图神经网络 221

7.1 初代图神经网络的诞生 222

7.2 GNN中的数据聚合 222

7.3 初代GNN的工作原理 225

7.4 初代图神经网络的局限性 235

7.5 本章小结 235

参考资料 236

第8章空域图卷积神经网络 238

8.1 图卷积神经网络概述 239

8.2 MPNN模型 244

8.3 GCN与CNN的关联 245

8.4 图卷积节点分类实践 248

8.5 GraphSAGE 263

8.6 基于GraphSAGE的实践 273

8.7 本章小结 283

参考资料 284

第9章谱域图卷积神经网络 286

9.1 傅里叶变换 287

9.2 图傅里叶变换 2909.3 谱域视角下的图卷积 296

9.4 基于谱域GCN的演进 300

9.5 Karate Club图卷积分类实践 308

9.6 本章小结 323

参考资料 323

展开全部

从深度学习到图神经网络:模型与实践作者简介

张玉宏，博士毕业于电子科技大学，大数据分析师（高级），2009—2011年美国西北大学访问学者，2019—2020年美国IUPUI高级访问学者，CCF郑州分部执行委员，CFF公益大使。现执教于河南工业大学，主要研究方向为人工智能、大数据等。发表学术论文30余篇，先后撰写《深度学习之美：AI时代的数据处理与最佳实践》《Python极简讲义：一本书入门数据分析与机器学习》等科技图书15部。杨铁军，博士，教授，博士生导师，河南省电子学会副理事长，河南省高等学校电子信息类专业教学指导委员会副主任委员，河南省数字政府建设专家委员会委员。主要研究方向：医学图像处理、粮食信息处理。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐