扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
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)
图表征学习:迈向动态开放环境 版权信息
- ISBN：9787121454868
- 条形码：9787121454868 ; 978-7-121-45486-8
- 装帧：平塑勒
- 册数：暂无
- 重量：暂无
- 所属分类：>
图表征学习:迈向动态开放环境 本书特色
清华大学朱文武教授团队全新力作！ 张钹、徐宗本、陈纯院士倾情作序推荐！ 详解图表征学习的基础知识、前沿进展 系统论述图表征学习的动态性、可解释性、鲁棒性和泛化性等热点问题 全面剖析图表征学习在推荐系统、交通预测、自然语言处理、组合优化领域的应用方法
图表征学习:迈向动态开放环境 内容简介
图数据是对万物间联系的一般抽象，广泛存在于各行各业中。图表征学习为图数据的建模与分析提供了新范式，是近年来机器学习与数据挖掘领域的热门研究方向，并被有效地应用于推荐系统、交通预测等众多领域。本书将全面介绍图表征学习，特别是针对处于真实世界动态、开放环境之中图数据的图表征学习方法。本书分为3 篇：第1 篇介绍图嵌入和图神经网络等经典图表征学习方法；第2 篇围绕鲁棒性、动态性、可解释性、分布外泛化性等多个角度，系统地介绍针对动态开放环境中的图表征学习方法；第3 篇以四个不同领域为例，从推荐系统、交通预测、自然语言处理、组合优化等场景，介绍图表征学习的应用方法。除了对代表性方法进行详细介绍，本书还提供了丰富的参考文献，读者可以更深入地学习图表征学习的前沿内容。本书适合具有一定机器学习基础的高年级本科生、研究生、教师和研究者，以及对图数据感兴趣的计算机工程师和从业人员阅读，也适合对人工智能、深度学习和图数据分析感兴趣的其他人士参考。
图表征学习:迈向动态开放环境 目录
第1 章概述/1
1.1 引言/1
1.2 图基础知识/3
1.3 机器学习基础知识/7
第1 篇经典图表征学习
第2 章图嵌入/13
2.1 基于随机游走的图嵌入/13
2.2 基于矩阵分解的图嵌入/18
2.3 基于深度自编码器的图嵌入/21
2.4 本章小结/24
第3 章图神经网络/25
3.1 谱域图神经网络/26
3.2 空域图神经网络/34
3.3 消息传递图神经网络/41
3.4 图池化/47
3.5 本章小结/53
第4 章图表征学习理论分析/54
4.1 图信号处理/54
4.2 图同构测试/58
4.3 图神经网络表达能力/61
4.4 过平滑与深层图神经网络/64
4.5 本章小结/68
第2 篇动态开放环境图表征学习
第5 章鲁棒图表征学习/71
5.1 图数据上的对抗样本/71
5.2 图对抗攻击的分类/73
5.3 图神经网络模型上的攻击与防御方法/75
5.4 本章小结/78
第6 章解耦图表征学习· 79
6.1 基于变分自编码器的解耦图神经网络/79
6.2 基于邻域路由机制的解耦图神经网络/81
6.3 基于其他思想的解耦图神经网络/87
6.4 本章小结/90
第7 章动态图表征学习/91
7.1 动态图数据/91
7.2 离散时间动态图表征学习/92
7.3 连续时间动态图表征学习/94
7.4 本章小结/96
第8 章无监督图神经网络与自监督图神经网络/97
8.1 无监督学习的图神经网络/97
8.2 自监督学习的图神经网络/99
8.3 本章小结/106
第9 章图神经网络的可解释性/107
9.1 简介/107
9.2 可解释方法分类/109
9.3 实例级局部解释/110
9.4 模型级全局解释/114
9.5 对解释模型的评价/115
9.6 可解释性的交叉学科应用/117
9.7 本章小结/118
第10 章自动图表征学习/119
10.1 自动机器学习简介/119
10.2 图超参数优化/120
10.3 图神经网络架构搜索/122
10.4 本章小结/132
第11 章元学习与图表征学习/133
11.1 元学习简介/133
11.2 图上的元学习/136
11.3 本章小结/143
第12 章分布外泛化图表征学习/144
12.1 图分布外泛化问题和分类/145
12.2 数据层面方法/148
12.3 模型层面方法/151
12.4 学习策略/155
12.5 理论分析/162
12.6 本章小结/163
第3 篇图表征学习的应用
第13 章推荐系统/167
13.1 通用推荐/168
13.2 序列推荐/176
13.3 本章小结/179
第14 章交通预测/180
14.1 时空图/181
14.2 时空图神经网络模型/181
14.3 本章小结/188
第15 章自然语言处理/189
15.1 文本分类/189
15.2 关系抽取/192
15.3 文本生成/193
15.4 问答系统/196
15.5 其他任务/198
15.6 本章小结/198
第16 章组合优化/199
16.1 简介/199
16.2 预备知识/200
16.3 寻找可行解/201
16.4 本章小结/207
第17 章图表征学习展望/209
参考文献/211
展开全部
图表征学习:迈向动态开放环境 相关资料
本书的内容丰富、系统且具有前瞻性，特别注重介绍动态开放环境下的图表征学习。由于许多图数据都处于动态开放环境之中，如何处理这个问题对于图表征学习的长远发展有重要意义。本书正好提供了在这方面取得的主要成果。 本书适合具有一定机器学习基础的高年级本科生、研究生、教师和研究者，以及对图数据感兴趣的计算机工程师和从业人员阅读，也适合对人工智能、深度学习和图数据分析感兴趣的其他人士参考。 张 钹 清华大学 本书的主要特点在于深入浅出地介绍了图表征学习的理论、方法和应用，既适合初学者学习，也适合专业人士深入研究。首先，本书介绍了图表征学习的基本概念和方法，包括图嵌入、图神经网络等。然后，本书详细讲解了动态开放环境的图表征学习，这是该领域的研究前沿。相比于静态封闭环境假设，动态开放环境对图表征学习方法的鲁棒性、泛化性、可解释性等均提出了严峻挑战，也激发了一系列新方法的设计。这些方法可以帮助我们更好地处理现实世界中的复杂图数据。最后，本书还介绍了图表征学习的应用，包括推荐系统、交通预测等。 总之，无论是高等院校相关专业的本科生或研究生，还是领域内的专家，抑或是仅对图表征学习感兴趣的读者，本书都是一本很好的入门书和参考书，非常值得阅读。 徐宗本 西安交通大学 本书是关于图表征学习的介绍，共17章，内容丰富。从广度上看，书中讨论了图表征学习的不同方面，从早期的图嵌入到近期的图神经网络模型，以及图表征学习的各类应用，均有涉及。从深度上看，书中重点介绍了在动态开放环境下的图表征学习，包括图的动态性、鲁棒性、可解释性和泛化性等方面的内容，均是机器学习和人工智能领域的关键问题和前沿方向。本书作者朱文武教授等均来自清华大学，他们长期从事图表征学习的研究，对这个方向有深刻的理解。 本书既适合计算机科学、机器学习、数据分析专业的学生，以及大数据和人工智能应用程序开发人员参考；也适合本科高年级学生或者研究生，以及大学的老师和研究机构的研究人员阅读。 陈 纯 浙江大学
图表征学习:迈向动态开放环境 作者简介
朱文武
清华大学计算机科学与技术系教授，清华大学人工智能研究院大数据智能中心主任，信息科学与技术国家研究中心副主任，国家973项目首席科学家。欧洲科学院院士、ACM Fellow、IEEE Fellow、AAAS Fellow、SPIE Fellow。曾任微软亚洲研究院主任研究员、英特尔中国研究院首席科学家与总监及美国贝尔实验室研究员等职。主要从事多媒体智能计算、大数据分析等研究工作。曾担任IEEE Transactions on Multimedia主编、指导委员会主席。10次获国际最佳论文奖。获2018年度国家自然科学二等奖（排名第1）和2012年度国家自然科学二等奖（排名第2）。
王 鑫朱文武
清华大学计算机科学与技术系教授，清华大学人工智能研究院大数据智能中心主任，信息科学与技术国家研究中心副主任，国家973项目首席科学家。欧洲科学院院士、ACM Fellow、IEEE Fellow、AAAS Fellow、SPIE Fellow。曾任微软亚洲研究院主任研究员、英特尔中国研究院首席科学家与总监及美国贝尔实验室研究员等职。主要从事多媒体智能计算、大数据分析等研究工作。曾担任IEEE Transactions on Multimedia主编、指导委员会主席。10次获国际最佳论文奖。获2018年度国家自然科学二等奖（排名第1）和2012年度国家自然科学二等奖（排名第2）。
王 鑫
清华大学计算机科学与技术系助理研究员，中国计算机学会多媒体专业技术委员会副秘书长，清华大学博士后校友会秘书处副秘书长。主要研究方向为多媒体智能、媒体大数据、机器学习等，在IEEE TPAMI、ICML、NeurIPS、ACM Multimedia等相关领域国际顶级期刊或会议上发表论文100余篇。承担国家优秀青年科学基金等项目，获2017年度中国博士后创新人才支持计划、2020年度ACM中国新星奖、2022年度IEEE TCMC新星奖。
张子威
清华大学计算机科学与技术系博士后，清华大学数理基科班学士、计算机系博士。主要研究方向为图机器学习，在国际顶级期刊和会议上发表论文30余篇，谷歌学术引用超过3000次。曾获清华大学优秀博士毕业生与优秀博士毕业论文、吴文俊人工智能优秀博士学位论文提名，入选百度AI华人新星百强榜单、AI 2000学者榜单、2022年博士后创新人才支持计划。
书友推荐
- >
诗经-先民的歌唱
诗经-先民的歌唱
¥20.3¥39.8 - >
月亮与六便士
月亮与六便士
¥15.1¥42.0 - >
巴金－再思录
巴金－再思录
¥14.7¥46.0 - >
姑妈的宝刀
姑妈的宝刀
¥10.5¥30.0 - >
自卑与超越
自卑与超越
¥14.7¥39.8 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
二体千字文
二体千字文
¥14.0¥40.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
