图神经网络
正版新书 新华官方库房直发 可开电子发票
￥ 43.45 5.5折 ￥ 79 全新
库存7件
作者马腾飞编著
出版社电子工业出版社
ISBN9787121405020
出版时间2021-02
版次1
装帧平装
开本16开
纸张胶版纸
页数152页
字数152千字
定价79元
货号SC:9787121405020
上书时间2024-09-17
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
马腾飞，IBM全球研究院总部研究员，东京大学博士，研究方向为机器学习、自然语言处理等。近期的研究集中在图神经网络及其在医疗、生化、金融等领域的应用。在ICLR、NeurlPS、AAAl等人工智能国际会议上发表论文30多篇，并与他人合作，在AAAI、KDD等会议上多次讲授图神经网络的前沿专题。
主编推荐:
"√梳理图神经网络（GNN）领域的经典模型
√帮助读者构建图神经网络知识体系
√厘清重要模型的设计思路和技术细节
√展现图神经网络的zui新研究进展
√图神经网络在推荐系统、生物医疗、自然语言处理等不同场景的实践"
媒体评论:
"图结构的数据广泛存在于现实世界中，如何将图数据的学习与深度学习技术结合，成了人工智能领域研究的热点之一。本书作者是图神经网络领域的专家，对整个领域有着深刻的理解。本书不仅系统地讲解了图神经网络的基础知识，还深入探讨了图神经网络存在的问题和研究进展，是一本适合入门又给人启发的佳作。
IEEE Fellow/AAAS Fellow，吴信东
将深度学习扩展到图上是人工智能领域的一个重大突破。图结构的数据无处不在，这使得图神经网络的重要性不言而喻。马腾飞从几年前开始专注于图神经网络的研究，在图神经网络的加速训练、生成模型、粗化、动态图上的扩展等方面做出了很有影响力的工作。我与他有过不少合作，我们将图神经网络应用在医疗领域。本书以图神经网络的发展历史为脉络，深入浅出地讲解了常见的图神经网络模型和遇到的问题，以及解决方案。同时，本书包含了大量的实际应用场景，非常适合相关从业者和学生参考。
伊利诺伊大学厄巴纳-香槟分校（UIUC）计算机系教授，孙冀萌
图神经网络的技术飞速发展，在自然语言处理领域也得到了极大的关注和广泛的应用。本书覆盖了与图神经网络相关的大部分重要模型，并提供了很多应用示例，是一本非常不错的入门书，从事自然语言处理相关工作的读者会从中受益。
伊利诺伊大学厄巴纳-香槟分校（UIUC）计算机系教授，季姮
随着海量图数据的不断积累，图神经网络的相关技术得到了很大发展，并在很多行业的实际应用中产生了深远的影响。本书不仅系统地介绍了图神经网络的基础知识，而且详细描述了其在推荐系统、生物化学、医疗药物等不同场景的实践。对于想了解图神经网络的学生和从业者来说，是非常宝贵的学习资料！
腾讯AI Lab机器学习中心总监，黄俊洲
本书完整地介绍了神经网络在图数据学习上的理论和应用，无论是初学者，还是有一定实践经验的读者，阅读本书后都将受益良多。
罗格斯大学（Rutgers）计算机系教授，高洁
本书非常全面地介绍了与图神经网络有关的背景知识、基础理论、典型框架及在知识图谱、生物医学、推荐系统等方面的相关应用，适合读者系统学习和了解该领域前沿知识，相信可以让读者从中获益。
清华大学计算机系副教授，刘知远"
内容简介:
图神经网络是人工智能领域的一个新兴方向，它不仅迅速得到了学术界的广泛关注，而且被成功地应用在工业界的多个领域。本书介绍了图神经网络和图深度学习的基础知识和前沿研究，不仅包括它们的发展历史和经典模型，还包括图神经网络在深层网络、无监督学习、大规模训练、知识图谱推理等方面的前沿研究，以及它们在不同领域（如推荐系统、生化医疗、自然语言处理等）的实际应用。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。
目录:
第1章当深度学习遇上图：图神经网络的兴起1
1.1什么是图1
1.2深度学习与图2
1.2.1图数据的特殊性质3
1.2.2将深度学习扩展到图上的挑战4
1.3图神经网络的发展5
1.3.1图神经网络的历史5
1.3.2图神经网络的分类7
1.4图神经网络的应用8
1.4.1图数据上的任务8
1.4.2图神经网络的应用领域8
1.5小结11
第2章预备知识13
2.1图的基本概念13
2.2简易图谱论15
2.2.1拉普拉斯矩阵16
2.2.2拉普拉斯二次型17
2.2.3拉普拉斯矩阵与图扩散18
2.2.4图论傅里叶变换19
2.3小结20
第3章图神经网络模型介绍21
3.1基于谱域的图神经网络21
3.1.1谱图卷积网络21
3.1.2切比雪夫网络24
3.1.3图卷积网络25
3.1.4谱域图神经网络的局限和发展27
3.2基于空域的图神经网络28
3.2.1早期的图神经网络与循环图神经网络28
3.2.2再谈图卷积网络29
3.2.3GraphSAGE：归纳式图表示学习31
3.2.4消息传递神经网络34
3.2.5图注意力网络37
3.2.6图同构网络：Weisfeiler-Lehman测试与图神经网络的表达力39
3.3小试牛刀：图卷积网络实战42
3.4小结46
第4章深入理解图卷积网络47
4.1图卷积与拉普拉斯平滑：图卷积网络的过
...
— 没有更多了 —
以下为对购买帮助不大的评价