机读格式显示(MARC)

• 000 01934nam 2200325 450

• 001 0000335627

• 005 20200910100000.0

• 010 __ |a 978-7-111-64363-0 |d CNY89.00

• 100 __ |a 20200109d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深入浅出图神经网络 |A shen ru qian chu tu shen jing wang luo |d = Learning graph neural network |e GNN原理解析 |f 刘忠雨, 李彦霖, 周洋著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2020

• 215 __ |a 210页 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 智能系统与技术丛书 |A zhi neng xi tong yu ji shu cong shu

• 314 __ |a 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。

• 320 __ |a 有书目

• 330 __ |a 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。

• 410 _0 |1 2001 |a 智能系统与技术丛书

• 510 1_ |a Learning graph neural network |z eng

• 517 1_ |a GNN原理解析 |A Gnn Yuan Li Jie Xi

• 606 0_ |a 人工神经网络 |A ren gong shen jing wang luo |x 研究

• 690 __ |a TP183 |v 5

• 701 _0 |a 刘忠雨 |A liu zhong yu |4 著

• 701 _0 |a 李彦霖 |A li yan lin |4 著

• 701 _0 |a 周洋 |A zhou yang |4 著

• 801 _0 |a CN |b 湖北三新 |c 20200109

• 905 __ |a AUSTL |d TP183/L997