图深度学习从理论到实践
正版图书 真实库存欢迎选购 可开电子发票 有需要联系客服！
￥ 38.34 4.3折 ￥ 89 全新
库存2件
天津和平
认证卖家担保交易快速发货售后保障
作者包勇军、朱小坤、颜伟鹏、姚普 主编 张新静、陈晓宇、杜华、李杰、刘健、韩小涛、胡俊琪、张维 副主编
出版社清华大学
ISBN9787302604884
出版时间2022-05
装帧其他
开本16开
定价89元
货号31451967
上书时间2024-12-16
- 在售商品 暂无
- 平均发货时间 25小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 深度学习基础
1.1 深度学习与人工智能
1.2 感知机与神经网络
1.2.1 单层感知机
1.2.2 多层感知机
1.3 前馈神经网络
1.3.1 前馈神经网络的模型
1.3.2 前馈神经网络的学习
1.4 卷积神经网络
1.4.1 图像数据的存储
1.4.2 传统图像处理算子
1.4.3 卷积
1.4.4 池化
1.4.5 填充
1.4.6 步幅
1.4.7 典型的卷积神经网络结构
1.4.8 卷积神经网络与多层感知机的差别
1.5 深度学习训练的最优化算法
1.6 深度学习中的过拟合和欠拟合
1.7 本章小结
第2章 图基础
2.1 图的结构
2.2 图的性质
2.3 图数据的存储
2.4 图与拉普拉斯矩阵
2.5 图神经网络简史
2.5.1 挑战
2.5.2 发展简史
2.6 图的任务与应用
2.6.1 图的任务
2.6.2 图神经网络的应用
2.7 本章小结
第3章 图表示学习
3.1 图表示学习的意义
3.2 基于矩阵分解的图表示学习方法
3.3 基于随机游走的图表示学习
3.3.1 Word2Vec算法
3.3.2 DeepWalk
3.3.3 Node2Vec
3.3.4 随机游走模型的优化策略
3.3.5 其他随机游走方法
3.4 基于深度学习的图表示学习
3.4.1 局域相似度和全局相似度
3.4.2 SDNE算法结构图
3.5 异质图表示学习
3.6 本章小结
第4章 图卷积神经网络
4.1 图与图像的差异
4.2 传统图信号处理方法
4.3 谱域图卷积神经网络
内容摘要
图神经网络是人工智能的一个热点方向,从图的视角解读大数据,可以灵活建模复杂的信息交互关系,吸引大量学者的关注并在多个工业领域得到广泛应用。《图深度学习从理论到实践》由浅入深,全面介绍图神经网络的基础知识、典型模型方法和应用实践。《图深度学习从理论到实践》不仅包括一般的深度学习基础和图基础知识,还涵盖了图表示学习、
图卷积、图注意力、图序列等典型图网络模型,以京东自研的Galileo平台为代表的图学习框架,以及图神经网络在电商推荐和流量风控方面的两个典型工业应用。
《图深度学习从理论到实践》既适合对数据挖掘、机器学习方向以及图建模交叉方向感兴趣的高年级本科生和研究生作为教材使用,也适合互联网电商、金融风控、社交网络分析、药物研发等企业的从业者参考学习。
— 没有更多了 —
以下为对购买帮助不大的评价