图深度学 人工智能 作者
none
￥ 70.95 6.0折 ￥ 118 全新
库存8件
北京丰台
认证卖家担保交易快速发货售后保障
作者作者
出版社电子工业出版社
ISBN9787121394782
出版时间2021-05
版次1
装帧平装
开本16
页数320页
字数384千字
定价118元
货号xhwx_1202347270
上书时间2024-11-29
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
"全书从背景介绍、理论细节，到实际应用，再到结与拓展，深入浅出。
涵盖了学图深度学必须了解的基础知识，图深度学中经典的模型方法，图深度学在实际中的应用方法，以及图深度学新的研究热点和前沿进展。
揭秘图深度学的基本和经典算法，包括现代图嵌入、用于简单图和复杂图的gnn、gnn 的健壮和可扩展及gnn 之外的图深度模型。
应用部分介绍了gnn 在典型领域的应用，包括自然语言处理、计算机视觉、数据挖掘、生物化学和医疗健康
适合计算机科学、人工智能和机器学等相关专业各个阶段的学，也可供信息领域相关从业者，包括工程师和研究人员阅读。"
目录：
章绪论1
1.1 简介2
1.2 图深度学的动机2
1.3 本书内容4
1.4 本书读者定位6
1.5 图特征学的简要发展史7
1.5.1 图特征选择8
1.5.2 图表示学9
1.6 小结10
1.7 扩展阅读11
篇基础理论
第2 章图论基础15
2.1 简介16
2.2 图的表示16
2.3 图的质17
2.3.1 度17
2.3.2 连通度19
2.3.3 中心21
2.4 谱图论24
2.4.1 拉普拉斯矩阵24
2.4.2 拉普拉斯矩阵的特征值和特征向量26
2.5 图信号处理27
2.6 复杂图30
2.6.1 异质图30
2.6.2 二分图30
2.6.3 多维图31
2.6.4 符号图32
2.6.5 超图33
2.6.6 动态图33
2.7 图的计算任务34
2.7.1 侧重于节点的任务35
2.7.2 侧重于图的任务36
2.8 小结37
2.9 扩展阅读37
第3 章深度学基础39
3.1 简介40
3.2 深度前馈神经网络41
3.2.1 网络结构42
3.2.2 激活函数43
3.2.3 输出层和损失函数45
3.3 卷积神经网络47
3.3.1 卷积作和卷积层48
3.3.2 实际作中的卷积层51
3.3.3 非线激活层52
3.3.4 池化层53
3.3.5 卷积神经网络体框架53
3.4 循环神经网络54
3.4.1 传统循环神经网络的网络结构55
3.4.2 长短期记忆网络56
3.4.3 门控循环单元58
3.5 自59
3.5.1 欠完备自59
3.5.2 正则化自60
3.6 深度神经网络的训练61
3.6.1 梯度下降61
3.6.2 反向传播62
3.6.3 过拟合64
3.7 小结65
3.8 扩展阅读65
第2 篇模型方法
第4 章图嵌入69
4.1 简介70
4.2 简单图的图嵌入71
4.2.1 保留节点共现71
4.2.2 保留结构角80
4.2.3 保留节点83
4.2.4 保留社区结构84
4.3 复杂图的图嵌入86
4.3.1 异质图嵌入87
4.3.2 二分图嵌入89
4.3.3 多维图嵌入90
4.3.4 符号图嵌入91
4.3.5 超图嵌入93
4.3.6 动态图嵌入95
4.4 小结96
4.5 扩展阅读97
第5 章图神经网络99
5.1 简介100
5.2 图神经网络基本框架102
5.2.1 侧重于节点的任务的图神经网络框架102
5.2.2 侧重于图的任务的图神经网络框架103
5.3 图滤波器104
5.3.1 基于谱的图滤波器104
5.3.2 基于空间的图滤波器114
5.4 图池化120
5.4.1 面图池化120
5.4.2 层次图池化121
5.5 图卷积神经网络的参数学125
5.5.1 节点分类中的参数学126
5.5.2 图分类中的参数学126
5.6 小结127
5.7 扩展阅读128
第6 章图神经网络的健壮129
6.1 简介130
6.2 图对抗攻击130
6.2.1 图对抗攻击的分类131
6.2.2 白盒攻击132
6.2.3 灰盒攻击135
6.2.4 黑盒攻击139
6.3 图对抗御142
6.3.1 图对抗训练142
6.3.2 图净化144
6.3.3 图注意力机制144
6.3.4 图结构学148
6.4 小结149
6.5 扩展阅读149
第7 章可扩展图神经网络151
7.1 简介152
7.2 逐点采样法155
7.3 逐层采样法158
7.4 子图采样法162
7.5 小结164
7.6 扩展阅读164
第8 章复杂图神经网络165
8.1 简介166
8.2 异质图神经网络166
8.3 二分图神经网络168
8.4 多维图神经网络168
8.5 符号图神经网络170
8.6 超图神经网络173
8.7 动态图神经网络174
8.8 小结175
8.9 扩展阅读175
第9 章图上的其他深度模型177
9.1 简介178
9.2 图上的自178
9.3 图上的循环神经网络180
9.4 图上的变分自182
9.4.1 用于节点表示学的变分自184
9.4.2 用于图生成的变分自184
9.4.3 ：推论模型185
9.4.4 : 生成模型186
9.4.5 重建的损失函数186
9.5 图上的生成对抗网络187
9.5.1 用于节点表示学的生成对抗网络188
9.5.2 用于图生成的生成对抗网络189
9.6 小结191
9.7 扩展阅读191
第3 篇实际应用
0 章自然语言处理中的图神经网络195
10.1 简介196
10.2 语义角标注196
10.3 神经机器翻译199
10.4 关系抽取199
10.5 问答系统200
10.5.1 多跳问答任务201
10.5.2 entity-g 202
10.6 图到序列学203
10.7 知识图谱中的图神经网络205
10.7.1 知识图谱中的图滤波205
10.7.2 知识图谱到简单图的转换206
10.7.3 知识图谱补全207
10.8 小结208
10.9 扩展阅读208
1 章计算机视觉中的图神经网络209
11.1 简介210
11.2 视觉问答210
11.2.1 图像表示为图211
11.2.2 图像和问题表示为图212
11.3 基于骨架的动作识别214
11.4 图像分类215
11.4.1 零样本图像分类216
11.4.2 少样本图像分类217
11.4.3 多标签图像分类218
11.5 点云学219
11.6 小结220
11.7 扩展阅读220
2 章数据挖掘中的图神经网络221
12.1 简介222
12.2 万维网数据挖掘222
12.2.1 社交网络分析222
12.2.2 系统225
12.3 城市数据挖掘229
12.3.1 交通预测229
12.3.2 空气质量预测231
12.4 网络安全数据挖掘231
12.4.1 恶意账户检测231
12.4.2 虚新闻检测233
12.5 小结234
12.6 扩展阅读234
3 章生物化学和医疗健康中的
图神经网络235
13.1 简介236
13.2 药物开发与发现236
13.2.1 分子表示学236
13.2.2 蛋白质相互作用界面预测237
13.2.3 药物�靶标结合亲和力预测239
13.3 药物相似整合240
13.4 复方药物副作用预测242
13.5 疾病预测244
13.6 小结245
13.7 扩展阅读245
第4 篇前沿进展
4 章图神经网络的方法249
14.1 简介250
14.2 深层图神经网络250
14.2.1 jumping knowledge 252
14.2.2 dropedge 253
14.2.3 pairnorm 253
14.3 通过自监督学探索未标记数据253
14.3.1 侧重于节点的任务254
14.3.2 侧重于图的任务256
14.4 图神经网络的表达能力257
14.4.1 wl 测试258
14.4.2 表达能力259
14.5 小结260
14.6 扩展阅读260
5 章图神经网络的应用261
15.1 简介262
15.2 图的组合优化262
15.3 学程序表示264
15.4 物理学中相互作用的动力系统推断265
15.5 小结266
15.6 扩展阅读266
参文献267
索引295
内容简介：
本书全面介绍了图深度学的理论基础、模型方法及实际应用。全书分为4 篇，共15 章。 篇为基础理论，重点介绍图和深度学的基础知识，包括图的关键概念和属、各种基础的神经网络模型、训练深度学模型的关键方法以及止训练过程中过度拟合的实用技术；第2 篇为模型方法，涵盖了从基本设置到设置的成熟的图深度学方法，包括图嵌入、图过滤和池化作、图对抗攻击和图对抗御技术、可扩展图神经网络的代表技术以及图神经网络之外的众多图深度模型；第3 篇为实际应用，重点介绍了具代表的实际应用，包括自然语言处理、计算机视觉、数据挖掘、生物化学与医疗健康等；第4 篇为前沿进展，介绍了有可能成为将来研究热点的方法和应用，主要从表达、深度、公、可解释和自监督学等内容。在组织结构方面，每章首先介绍写作动机，然后通过具体示例或技术细节介绍相应内容，后提供更多的扩展阅读知识。本书既适合对数据挖掘、机器学和社交网络分析感兴趣的本科生和阅读，也适合企业开发者和项目经理阅读。对于没有计算机科学背景，但想要应用图神经网络来推进其所在学科发展的研究人员，本书同样是一本值得参的读物。
作者简介：
"马 耀
密歇根州立大学博士。他将于2021年秋季学期作为助理教授加入新泽西理工学院。他是密歇根州立大学杰出博士生奖以及fat fellowhip的获奖者。他的研究兴趣包括网络嵌入和图神经网络。他的多次发表在kdd、、ijcai、igir和tkde等数据挖掘会议和期刊上。他在众多知名会议（如icml、 kdd、 aaai和ijcai等）以及杂志（如tkdd、tkde和tpami等）担任程序委员会委员以及审稿人。他是aaai图神经网络和kdd图深度学讲座的组织者和演讲者，这些讲座都获得了领域内外的巨大关注和广泛。
汤继良
密西根州立大学助理教授。在这之前，他曾担任雅虎研究院研究员，于2015年从亚利桑那州立大学取得博士。他在图特征选择、图表征学、图深度学以及它们在互联网和社交媒体上的应用方面做出了杰出贡献。他曾经获得 igkdd新星奖（riing tar award）、withrow杰出研究奖（ditinguihed withrow reearch award）、美国自然科学杰出青年奖（nf career award）、ijcai早期焦点人物演讲（ijcai early career talk）和包括kdd、wdm等在内的7项领域知名会议的佳（或提名）奖。他的博士获得igkdd佳博士（kdd bet diertation）亚军和院长博士奖（dean’ diertation award）。他是iam数据分析小组和acm tkdd期刊的秘书长。他经常当任数据挖掘会议的组织者和期刊的编委。他的研究成果发表在领域的期刊和会议上，现已获得了超过14000多次的引用（h指数为60）和媒体的广泛关注和报道。
译者介绍
王怡琦
密歇根州立大学博士。她的研究兴趣主要集中在图神经网络理论基础及其应用。她在计算机会议（如kdd、emnlp、和aaai等）上发表了多篇研究成果。她曾担任aaai、ijcai和cikm等会议的程序委员会委员。她曾参加组织kdd和aaai图深度学专题讲座，并担任主要演讲者，获得了领域内外的巨大关注和广泛。
金 卫
密歇根州立大学博士。他的研究兴趣集中在图神经网络，包括理论基础、模型健壮及应用。他在kdd、aaai、wdm和等计算机会议上发表了多篇研究成果。他还是备受业内关注的对抗攻击和御工具包deeprobut的主要贡献者。他曾担任包括ijcai和cikm等会议的程序委员会委员。他曾参加组织aaai图深度学专题讲座和kdd神经网络对抗攻击与御专题讲座，并担任主要演讲者，获得了领域内外的巨大关注和广泛。"
— 没有更多了 —
以下为对购买帮助不大的评价