描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787030771483
内容简介
图可以被用于表示各类对象之间的关系，而图神经网络是指专门用于处理图数据的深度学习模型，可实现对图数据的建模和推断。本书系统地介绍图神经网络的基本原理、常用模型和应用领域等。首先介绍两类最基本的图神经网络方法GCN和GraphSAGE，并给出图神经网络的学习目标、评价方法；其次对图神经网络中常用的模型结构进行深入解析，给出图神经网络在自然语言处理、推荐系统、风险控制等领域的应用，提供PyG和DGL两类图神经网络建模工具；最后探讨和给出几类自适应学习方法以实现图神经网络自适应学习目标。
本书内容丰富、体系完整、难度适中，适合从事图神经网络研究的学者和工程技术人员阅读。
目 录
第1章图神经网络基础
1.1 图神经网络概念..
1.2 基于谱域的图卷积神经网络
1.3 基于空域的图卷积神经网络
1.4 如何更好地理解GCN
1.5GCN 的实现过程
参考文献
第2章
图神经网络进阶
2.1好的图表示是什么
2.2 自适应通用广义PageRank图神经网络
2.3 探索图神经网络的表达能力
2.4 知识推理不需要复杂的GNN
参考文献
第3章图自编码器
3.1图自编码器简介
3.2 变分图自编码器
参考文献
第4章图卷积神经网络
4.1 图卷积神经网络简介
4.2 深度图卷积神经网络
参考文献.
第5章超图神经网络
5.1动态超图神经网络
5.2线图卷积神经网络:超图的图卷积应用.
5.3用于多标签图像分类的自适应超图神经网络
5.4线图展开的超图注意同构网络
5.5 动态超图卷积网络
5.6用于无参考360度图质量评估的自适应超图卷积网络
参考文献
第6章常用的图神经网络工具
6.1PyG
6.1.1PyG介绍..
6.1.2 PyG的核心组件
评论
还没有评论。