幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

網路表示學習的理論與應用

  • 作者：王靜紅|責編:任靜
  • 出版社：科學
  • ISBN：9787030778857
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：213
人民幣：RMB 128 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書介紹了在人工智慧與大數據時代背景下，網路表示學習的理論與應用。提出了網路表示學習的關鍵在於將網路中的節點映射到低維空間，形成能夠反映節點間複雜關係的向量表示。書中討論了各種先進的網路表示學習方法，如基於圖注意力機制、圖自編碼器和深度學習技術，並提供了大量實驗和案例分析，展示了這些方法在不同數據集上的應用效果。這些案例覆蓋了社交網路、生物信息學、知識圖譜等領域，證明了網路表示學習技術在多樣化場景中的適用性和有效性。通過系統的理論基礎和豐富的實踐案例，本書旨在幫助讀者深入理解和應用網路表示學習。
    本書適合數據科學、人工智慧、機器學習和網路分析等領域的研究人員、工程師、高年級本科生和研究生，以及對大數據分析和複雜網路感興趣的初學者閱讀和參考。
作者介紹
王靜紅|責編:任靜
目錄
序
前言
第1章  網路表示學習
  1.1  研究背景
  1.2  研究目標
  1.3  研究內容
第2章  網路表示學習綜述
  2.1  同構網路的表示學習模型
    2.1.1  基於隨機遊走的網路表示學習模型
    2.1.2  基於矩陣分解的網路表示學習模型
    2.1.3  基於深度學習的網路表示學習模型
    2.1.4  基於雙曲空間的網路表示學習模型
  2.2  異構網路的表示學習模型
第3章  基於圖注意力機制的網路表示學習方法
  3.1  複雜網路的基本理論
  3.2  圖注意力機制的基本理論
  3.3  基於標記注意力的網路表示學習方法
    3.3.1  基於標記注意力的網路表示學習模型
    3.3.2  實驗分析
  3.4  基於鄰域注意力的網路表示學習方法
    3.4.1  基於鄰域注意力的網路表示學習模型
    3.4.2  實驗分析
第4章  基於聯合注意力的網路表示學習方法
  4.1  符號定義
  4.2  基於聯合注意力的網路表示學習模型
    4.2.1  相似網路構建模塊
    4.2.2  基於聯合注意力分數的特徵加權聚合模塊
  4.3  實驗分析
    4.3.1  數據集及實驗配置
    4.3.2  實驗
    4.3.3  可視化
    4.3.4  對比實驗
    4.3.5  超參數分析
第5章  基於自編碼器與雙曲幾何的網路表示學習方法
  5.1  屬性網路的基礎理論
  5.2  自編碼器理論
  5.3  基於雙路自編碼器的網路表示學習方法
    5.3.1  雙路自編碼器的網路表示學習模型
    5.3.2  實驗分析
  5.4  基於雙曲幾何的網路表示學習方法
    5.4.1  雙曲幾何的網路表示學習模型
    5.4.2  實驗分析
第6章  基於元路徑和圖卷積的異質網路表示學習方法
  6.1  異質網路的概念
    6.1.1  元路徑
    6.1.2  基於元路徑的子圖
    6.1.3  基於元路徑的相似性度量
    6.1.4  平均相似度量
  6.2  異質網路相關理論
  6.3  元路徑與屬性融合的異質信息網路表示學習方法

    6.3.1  元路徑與屬性融合的異質信息網路表示學習模型
    6.3.2  實驗分析
  6.4  融合元路徑和圖卷積的異質信息網路表示學習方法
    6.4.1  融合元路徑和圖卷積的異質信息網路表示學習模型
    6.4.2  實驗分析
第7章  基於認知推理的網路表示學習方法
  7.1  膠囊網路
  7.2  認知推理
  7.3  卷積神經網路
  7.4  面向結構化數據分類任務的認知推理網路表示學習模型
    7.4.1  單路認知推理機制理論
    7.4.2  面向ADMET性質分類認知推理網路模型
    7.4.3  實驗分析
  7.5  面向圖數據任務的認知推理網路表示學習模型
    7.5.1  雙路認知推理機制理論
    7.5.2  面向屬性網路節點嵌入的認知推理網路模型
    7.5.3  實驗分析
第8章  基於社區發現的網路表示學習方法
  8.1  真實世界網路
  8.2  社區發現應用
  8.3  網路模型
    8.3.1  經典網路模型
    8.3.2  動態網路模型
  8.4  複雜網路注意力模型的社區發現方法
    8.4.1  注意力模型的社區發現模型
    8.4.2  實驗分析
  8.5  自由能的動態網路社區發現方法
    8.5.1  自由能的動態網路社區發現模型
    8.5.2  實驗分析
    8.5.3  模塊化變分圖自編碼器的無監督社區發現方法
    8.5.4  實驗分析
參考文獻

  • 商品搜索：
  • | 高級搜索
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