图神经网络
正版新书 新华官方库房直发 可开电子发票
￥ 98.34 5.5折 ￥ 178.8 全新
库存23件
作者吴凌飞等编
出版社人民邮电出版社
ISBN9787115598721
出版时间2022-12
版次1
装帧平装
开本16开
纸张胶版纸
页数516页
字数778千字
定价178.8元
货号SC:9787115598721
上书时间2024-05-06
- 在售商品 暂无
- 平均发货时间 12小时
- 好评率 暂无
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:
吴凌飞博士
毕业于美国公立常春藤盟校之一的威廉与玛丽学院计算机系。目前他是Pinterest公司主管知识图谱和内容理解的研发工程经理。曾任京东硅谷研究中心的首席科学家和IBM Thomas J. Vatson Research Centerl的高级研究员。主要研究方向是机器学习、表征学习和自然语言处理的有机结合，在图神经网络及其应用方面有深入研究。他在机器学习、深度学习等领域的有名会议或期刊上发表100多篇论文。
崔鹏博士
清华大学计算机系终身副教授。于2010年在清华大学获得博士学位。研究兴趣包括数据挖掘、机器学习和多媒体分析，擅长网络表示学习、因果推理和稳定学习、社会动力学建模和用户行为建模等。他在机器学习和数据挖掘领域的有名会议或期刊上发表100多篇论文。
裴健博士
杜克大学电子与计算机工程系教授。他是数据科学、大数据、数据挖掘和数据库系统等领域的研究人员。他擅长为新型数据密集型应用开发有效的数据分析技术，并将其研究成果转化为产品和商业实践。自2000年以来，他已经出版一本教科书、两本专著，并在众多具有影响力的会议或期刊上发表300多篇论文。
赵亮博士
埃默里大学计算科学系助理教授。曾在乔治梅森大学信息科学与技术系和计算机科学系担任助理教授。于2016年在弗吉尼亚理工大学计算机科学系获得博士学位。研究兴趣包括数据挖掘、人工智能和机器学习，在时空和网络数据挖掘、图深度学习、非凸优化、事件预测和可解释机器学习等方面有深入研究。
主编推荐:
前沿：图神经网络是机器学习、数据科学、数据挖掘领域新兴的发展方向，被称作图上的深度学习，有望推动第三代人工智能的顺利发展。
丰富：综述图神经网络的基础理论、模拟算法、研究前沿以及广泛和新兴的应用场景
深入：摒弃简单介绍概念与框架的思维，深入分析图神经网络的现状以及未来的调整与机遇，帮助专业人士和初学者知其然知其所以然
力荐：囊括国内AI界半壁江山的大咖联袂推荐
内容简介:
本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。全书分为四部分：第一部分介绍图神经网络的基本概念；第二部分讨论图神经网络成熟的方法；第三部分介绍图神经网络典型的前沿领域；第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。
本书适合高年级本科生和研究生、博士后研究人员、讲师以及行业从业者阅读与参考。
目录:
第一部分引言
第1章表征学习2
1.1导读2
1.2不同领域的表征学习3
1.2.1用于图像处理的表征学习3
1.2.2用于语音识别的表征学习5
1.2.3用于自然语言处理的表征学习7
1.2.4用于网络分析的表征学习8
1.3小结9
第2章图表征学习11
2.1导读11
2.2传统图嵌入方法12
2.3现代图嵌入方法13
2.3.1保留图结构和属性的图表征学习13
2.3.2带有侧面信息的图表征学习15
2.3.3保留高级信息的图表征学习15
2.4图神经网络16
2.5小结17
第3章图神经网络18
3.1导读18
3.2图神经网络概述19
3.2.1图神经网络基础19
3.2.2图神经网络前沿20
3.2.3图神经网络应用22
3.2.4本书组织结构23
3.3小结24
第二部分基础
第4章用于节点分类的图神经网络28
4.1背景和问题定义28
4.2有监督的图神经网络29
4.2.1图神经网络的一般框架29
4.2.2图卷积网络30
4.2.3图注意力网络32
4.2.4消息传递神经网络33
4.2.5连续图神经网络33
4.2.6多尺度谱图卷积网络35
4.3无监督的图神经网络37
4.3.1变分图自编码器37
4.3.2深度图信息优选化39
4.4过平滑问题41
4.5小结42
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价