同類熱銷排行榜

圖神經網路前沿

作者：石川//王嘯//楊成|責編:吳晉瑜|譯者:石川//王嘯//楊成
出版社：人民郵電
ISBN：9787115625571

出版日期：2024/04/01
裝幀：平裝
頁數：174

人民幣：RMB 99.8 元售價：元

內容大鋼

本書全面介紹了圖神經網路的基礎和前沿內容，以及圖表示學習的基本概念和定義，並討論了高級圖表示學習方法的發展，旨在幫助研究人員和從業者了解圖神經網路的基本問題。此外，本書探討了圖神經網路的幾個前沿主題，包括利用圖數據描述社會科學、化學和生物學等領域的真實數據的關係，還介紹了圖神經網路的若干前沿趨勢，能夠幫助讀者進一步掌握圖神經網路所涉及的技術。
本書適合所有想了解圖神經網路基本問題和技術的人，包括但不限於高等院校電腦專業高年級本科生及研究生、科研人員以及相關從業者。

作者介紹

石川//王嘯//楊成|責編:吳晉瑜|譯者:石川//王嘯//楊成

第1章  概述
  1.1  基本概念
    1.1.1  圖的定義和屬性
    1.1.2  複雜圖
    1.1.3  圖上的計算任務
  1.2  圖神經網路的發展
    1.2.1  圖表示學習的歷史
    1.2.2  圖神經網路的前沿
  1.3  本書的組織結構
第2章  基礎圖神經網路
  2.1  引言
  2.2  圖卷積網路
    2.2.1  概述
    2.2.2  GCN模型
  2.3  歸納式圖卷積網路
    2.3.1  概述
    2.3.2  GraphSAGE模型
  2.4  圖注意力網路
    2.4.1  概述
    2.4.2  GAT模型
  2.5  異質圖注意力網路
    2.5.1  概述
    2.5.2  HAN模型
第3章  同質圖神經網路
  3.1  引言
  3.2  自適應多通道圖卷積網路
    3.2.1  概述
    3.2.2  實驗觀察
    3.2.3  AM-GCN模型
    3.2.4  實驗
  3.3  融合高低頻信息的圖卷積網路
    3.3.1  概述
    3.3.2  實驗觀察
    3.3.3  FAGCN模型
    3.3.4  實驗
  3.4  圖結構估計神經網路
    3.4.1  概述
    3.4.2  GEM模型
    3.4.3  實驗
  3.5  基於統一優化框架的圖神經網路
    3.5.1  概述
    3.5.2  預備知識
    3.5.3  GNN-LF HF模型
    3.5.4  實驗
  3.6  本章小結
  3.7  擴展閱讀
第4章  異質圖神經網路
  4.1  引言
  4.2  異質圖傳播網路
    4.2.1  概述

    4.2.2  HPN模型
    4.2.3  實驗
  4.3  基於距離編碼的異質圖神經網路
    4.3.1  概述
    4.3.2  DHN模型
    4.3.3  實驗
  4.4  基於協同對比學習的自監督異質圖神經網路
    4.4.1  概述
    4.4.2  HeCo模型
    4.4.3  實驗
  4.5  本章小結
  4.6  擴展閱讀
第5章  動態圖神經網路
  5.1  引言
  5.2  基於微觀和宏觀動態性的圖表示學習
    5.2.1  概述
    5.2.2  M2DNE模型
    5.2.3  實驗
  5.3  基於異質霍克斯過程的動態異質圖表示學習
    5.3.1  概述
    5.3.2  HPGE模型
    5.3.3  實驗
  5.4  基於動態元路徑的時序異質圖神經網路
    5.4.1  概述
    5.4.2  DyMGNN模型
    5.4.3  實驗
  5.5  本章小結
  5.6  擴展閱讀
第6章  雙曲圖神經網路
  6.1  引言
  6.2  雙曲圖注意力網路
    6.2.1  概述
    6.2.2  HAT模型
    6.2.3  實驗
  6.3  洛倫茲圖卷積網路
    6.3.1  概述
    6.3.2  LGCN模型
    6.3.3  實驗
  6.4  雙曲異質圖表示
    6.4.1  概述
    6.4.2  HHNE模型
    6.4.3  實驗
  6.5  本章小結
  6.6  擴展閱讀
第7章  圖神經網路的知識蒸餾
  7.1  引言
  7.2  圖神經網路的先驗知識蒸餾
    7.2.1  概述
    7.2.2  CPF框架
    7.2.3  實驗

  7.3  溫度自適應的圖神經網路知識蒸餾
    7.3.1  概述
    7.3.2  LTD框架
    7.3.3  實驗
  7.4  圖神經網路的無數據對抗知識蒸餾
    7.4.1  概述
    7.4.2  DFAD-GNN框架
    7.4.3  實驗
  7.5  本章小結
  7.6  擴展閱讀
第8章  圖神經網路平台和實踐
  8.1  引言
  8.2  基礎知識
    8.2.1  深度學習平台
    8.2.2  圖神經網路平台
    8.2.3  GammaGL平台
  8.3  圖神經網路在GammaGL上的實踐
    8.3.1  創建自己的圖
    8.3.2  創建消息傳遞網路
    8.3.3  高級小批量
    8.3.4  GIN實踐
    8.3.5  GraphSAGE實踐
    8.3.6  HAN實踐
  8.4  本章小結
第9章  未來方向和總結
  9.1  未來方向
    9.1.1  自監督學習
    9.1.2  魯棒性
    9.1.3  可解釋性
    9.1.4  公平性
    9.1.5  自然科學應用
  9.2  總結
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

圖神經網路前沿