-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
防疫期間 星期日公休
9/23 新書到! 9/14 新書到! 9/7 新書到! 8/31 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

圖神經網絡導論

( 簡體 字)
作者:劉知遠 周界類別:1. -> 程式設計 -> 綜合
譯者:
出版社:人民郵電出版社圖神經網絡導論 3dWoo書號: 54389
詢問書籍請說出此書號!

有庫存
NT定價: 350
折扣價: 328

出版日:4/1/2021
頁數:147
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787115559845
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

圖神經網絡(GNN)是基于深度學習的圖數據處理方法,因其卓越的性能而受到廣泛關注。本書全面介紹了GNN的基本概念、具體模型和實際應用。書中首先概述數學基礎和神經網絡以及圖神經網絡的基本概念,接著介紹不同種類的GNN,包括卷積圖神經網絡、循環圖神經網絡、圖注意力網絡、圖殘差網絡,以及幾個通用框架。此外,本書還介紹了GNN在結構化場景、非結構化場景和其他場景中的應用。讀完本書,你將對GNN的最新成果和發展方向有較為透徹的認識。
目錄:

第 1章 引論 1
1.1 設計動機 1
1.1.1 卷積神經網絡 1
1.1.2 圖嵌入 3
1.2 相關工作 3
第 2章 數學和圖論基礎 7
2.1 線性代數 7
2.1.1 基本概念 7
2.1.2 特征分解 10
2.1.3 奇異值分解 11
2.2 概率論 12
2.2.1 基本概念和公式 12
2.2.2 概率分布 14
2.3 圖論 15
2.3.1 基本概念 16
2.3.2 圖的代數表示 16
第3章 神經網絡基礎 19
3.1 神經元 19
3.2 后向傳播 22
3.3 神經網絡 24
第4章 基礎圖神經網絡 27
4.1 概述 27
4.2 模型介紹 28
4.3 局限性 30
第5章 卷積圖神經網絡 33
5.1 基于譜分解的方法 33
5.1.1 Spectral Network 33
5.1.2 ChebNet 34
5.1.3 GCN 35
5.1.4 AGCN 36
5.2 基于空間結構的方法 37
5.2.1 Neural FP 37
5.2.2 PATCHY-SAN 38
5.2.3 DCNN 40
5.2.4 DGCN 40
5.2.5 LGCN 42
5.2.6 MoNet 44
5.2.7 GraphSAGE 45
第6章 循環圖神經網絡 47
6.1 GGNN 47
6.2 Tree-LSTM 49
6.3 Graph-LSTM 50
6.4 S-LSTM 51
第7章 圖注意力網絡 55
7.1 GAT 55
7.2 GaAN 57
第8章 圖殘差網絡 59
8.1 Highway GCN 59
8.2 Jump Knowledge Network 60
8.3 DeepGCN 62
第9章 不同圖類型的模型變體 65
9.1 有向圖 65
9.2 異構圖 66
9.3 帶有邊信息的圖 68
9.4 動態圖 70
9.5 多維圖 72
第 10章 高級訓練方法 75
10.1 采樣 75
10.2 層級池化 78
10.3 數據增廣 80
10.4 無監督訓練 80
第 11章 通用框架 83
11.1 MPNN 83
11.2 NLNN 85
11.3 GN 87
第 12章 結構化場景應用 93
12.1 物理學 93
12.2 化學和生物學 95
12.2.1 分子指紋 95
12.2.2 化學反應預測 97
12.2.3 藥物推薦 97
12.2.4 蛋白質和分子交互預測 98
12.3 知識圖譜 99
12.3.1 知識圖譜補全 99
12.3.2 歸納式知識圖譜嵌入 100
12.3.3 知識圖譜對齊 101
12.4 推薦系統 102
12.4.1 矩陣補全 103
12.4.2 社交推薦 104
第 13章 非結構化場景應用 105
13.1 圖像領域 105
13.1.1 圖像分類 105
13.1.2 視覺推理 108
13.1.3 語義分割 109
13.2 文本領域 110
13.2.1 文本分類 110
13.2.2 序列標注 111
13.2.3 神經機器翻譯 112
13.2.4 信息抽取 113
13.2.5 事實驗證 114
13.2.6 其他應用 116
第 14章 其他場景應用 117
14.1 生成模型 117
14.2 組合優化 119
第 15章 開放資源 121
15.1 數據集 121
15.2 代碼實現 123
第 16章 總結 125
16.1 淺層結構 125
16.2 動態圖 126
16.3 非結構化場景 126
16.4 可擴展性 126
參考文獻 129
作者簡介 148
序: