安徽理工大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

深入浅出图神经网络:GNN原理解析/刘忠雨, 李彦霖, 周洋著

出版发行项:

北京:机械工业出版社,2020

ISBN及定价:

978-7-111-64363-0/CNY89.00

载体形态项:

210页:图 (部分彩图);24cm

并列正题名:

Learning graph neural network

其它题名:

GNN原理解析

丛编项:

智能系统与技术丛书

个人责任者:

刘忠雨 著

个人责任者:

李彦霖 著

个人责任者:

周洋 著

学科主题:

人工神经网络-研究

中图法分类号:

TP183

责任者附注:

刘忠雨, 毕业于华中科技大学, 资深图神经网络技术专家, 极验科技人工智能实验室主任和首席技术官。李彦霖, 毕业于武汉大学, 极验人工智能实验室技术专家。一直从事机器学习、深度学习、图学习领域的研究工作。周洋, 工学博士, 毕业于武汉大学, 目前在华中师范大学任教。曾受邀到北卡罗菜纳大学访学, 长期在大数据挖掘前沿领域进行探索和研究。

书目附注:

有书目

提要文摘附注:

全书共10章, 第1章介绍了图的基础知识以及图上的各种任务, 让读者对图有一个基本的了解; 第2章介绍了阅读本书所需的神经网络基础; 第3章介绍了各种深度卷积网络; 第4章着重介绍了表示学习; 第5章介绍了图信号处理和图卷积神经网络, 并提供了用GCN实现节点分类的实战; 第6章深入讲解了图卷积神经网络的性质; 第7章介绍了图神经网络的各种变体及范式, 包括GraphSAGE、GAT、RGCN等, 并提供了GraphSAGE的实战演练; 第8章重点介绍了图分类, 详细阐述了各种图分类机制, 提供了图分类实战演练; 第9章介绍了基于GNN的图表示学习, 并讲解了基于图自编码器的推荐系统实践; 第10章介绍了图神经网络的最新研究和应用。

豆瓣简介：