新書推薦：
《
与哀伤共处：经历父母离世的年轻子女（万有引力书系）
》
售價：NT$
484.0
《
德礼之间：前诸子时期的思想史
》
售價：NT$
528.0
《
活力物质：“物”的政治生态学
》
售價：NT$
435.0
《
哪吒传漫画（1-4册）
》
售價：NT$
396.0
《
我是时代的孩童：陀思妥耶夫斯基随笔选
》
售價：NT$
484.0
《
捡来的瓷器史（2024年“最美的书”，从偶然捡到的古瓷碎片中发现中国瓷史的重要瞬间）
》
售價：NT$
869.0
《
非人哉官方设定集（2024版）
》
售價：NT$
924.0
《
高句丽与拓跋鲜卑国家起源比较研究（欧亚备要）
》
售價：NT$
539.0
|
| 編輯推薦： |
|
1.清华大学刘知远力作；2.图神经网络入门导引；3.邱锡鹏等多位AI先锋学者推荐；4.全彩印刷。“图神经网络技术发展迅速，想快速学习、掌握这些技术有很多困难。这本书的特点是简明扼要、系统完整，是学习图神经网络的一本好教材。”——张长水清华大学自动化系教授、IEEE Fellow“图神经网络是近年机器学习的研究热点，也在很多领域取得应用。这本书内容详尽，既包含对图神经网络基础的介绍，也有新的一些研究，同时还覆盖了部分应用，非常系统化，是一本非常值得推荐的书。”——唐杰清华大学教授、AMiner创始人“图神经网络是目前学术界和工业界的研究热点之一。这本书全面、系统地介绍了图神经网络的基本概念、主要模型以及应用场景，内容清晰易懂，非常适合对图神经网络感兴趣的读者阅读。强烈推荐！”——邱锡鹏复旦大学计算机学院教授
|
| 內容簡介： |
|
图神经网络（GNN）是基于深度学习的图数据处理方法，因其卓越的性能而受到广泛关注。本书全面介绍了GNN的基本概念、具体模型和实际应用。书中首先概述数学基础和神经网络以及图神经网络的基本概念，接着介绍不同种类的GNN，包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络，以及几个通用框架。此外，本书还介绍了GNN在结构化场景、非结构化场景和其他场景中的应用。读完本书，你将对GNN的*成果和发展方向有较为透彻的认识。
|
| 關於作者： |
|
【作者简介】刘知远清华大学计算机科学与技术系副教授、博士生导师、智源人工智能研究院研究员，在自然语言处理、表示学习、知识图谱等人工智能研究领域享有盛誉，所开发的自然语言处理算法已成为该领域的代表方法。2018年入选《麻省理工科技评论》“35岁以下科技创新35人”。周界清华大学计算机科学与技术系硕士，曾在ACL、KDD等国际会议上发表论文，研究兴趣包括图神经网络和自然语言处理。【译者简介】李泺秋浙江大学计算机科学硕士，研究兴趣主要为自然语言处理。
|
| 目錄：
|
|
第 1章 引论 11.1 设计动机 11.1.1 卷积神经网络 11.1.2 图嵌入 31.2 相关工作 3第 2章 数学和图论基础 72.1 线性代数 72.1.1 基本概念 72.1.2 特征分解 102.1.3 奇异值分解 112.2 概率论 122.2.1 基本概念和公式 122.2.2 概率分布 142.3 图论 152.3.1 基本概念 162.3.2 图的代数表示 16第3章 神经网络基础 193.1 神经元 193.2 后向传播 223.3 神经网络 24第4章 基础图神经网络 274.1 概述 274.2 模型介绍 284.3 局限性 30第5章 卷积图神经网络 335.1 基于谱分解的方法 335.1.1 Spectral Network 335.1.2 ChebNet 345.1.3 GCN 355.1.4 AGCN 365.2 基于空间结构的方法 375.2.1 Neural FP 375.2.2 PATCHY-SAN 385.2.3 DCNN 405.2.4 DGCN 405.2.5 LGCN 425.2.6 MoNet 445.2.7 GraphSAGE 45第6章 循环图神经网络 476.1 GGNN 476.2 Tree-LSTM 496.3 Graph-LSTM 506.4 S-LSTM 51第7章 图注意力网络 557.1 GAT 557.2 GaAN 57第8章 图残差网络 598.1 Highway GCN 598.2 Jump Knowledge Network 608.3 DeepGCN 62第9章 不同图类型的模型变体 659.1 有向图 659.2 异构图 669.3 带有边信息的图 689.4 动态图 709.5 多维图 72第 10章 高级训练方法 7510.1 采样 7510.2 层级池化 7810.3 数据增广 8010.4 无监督训练 80第 11章 通用框架 8311.1 MPNN 8311.2 NLNN 8511.3 GN 87第 12章 结构化场景应用 9312.1 物理学 9312.2 化学和生物学 9512.2.1 分子指纹 9512.2.2 化学反应预测 9712.2.3 药物推荐 9712.2.4 蛋白质和分子交互预测 9812.3 知识图谱 9912.3.1 知识图谱补全 9912.3.2 归纳式知识图谱嵌入 10012.3.3 知识图谱对齐 10112.4 推荐系统 10212.4.1 矩阵补全 10312.4.2 社交推荐 104第 13章 非结构化场景应用 10513.1 图像领域 10513.1.1 图像分类 10513.1.2 视觉推理 10813.1.3 语义分割 10913.2 文本领域 11013.2.1 文本分类 11013.2.2 序列标注 11113.2.3 神经机器翻译 11213.2.4 信息抽取 11313.2.5 事实验证 11413.2.6 其他应用 116第 14章 其他场景应用 11714.1 生成模型 11714.2 组合优化 119第 15章 开放资源 12115.1 数据集 12115.2 代码实现 123第 16章 总结 12516.1 浅层结构 12516.2 动态图 12616.3 非结构化场景 12616.4 可扩展性 126参考文献 129作者简介 148
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
