机读格式显示(MARC)

• 000 01499nam 2200289 450

• 001 0000445017

• 005 20231115171200.0

• 010 __ |a 978-7-04-057639-9 |d CNY109.00

• 100 __ |a 20221011d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 图机器学习 |A tu ji qi xue xi |d = Graph machine learing |f 宣琦著 |z eng

• 210 __ |a 北京 |c 高等教育出版社 |d 2022

• 215 __ |a 280页, [2] 页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 网络科学与工程丛书 |A wang luo ke xue yu gong cheng cong shu |v 17

• 314 __ |a 宣琦, 浙江工业大学网络空间安全研究院院长、教授、博士生导师。

• 320 __ |a 有书目

• 330 __ |a 网络图作为一种描述复杂系统结构的通用表征方法, 近年来获得了包括生命科学、社会科学、计算机科学以及物理学等诸多领域的关注。本书结合网络图结构进行机器学习算法设计, 涉及图嵌入、图神经网络以及对抗攻防和增强等内容。全书共8章: 第1章概述了图上的机器学习任务及算法; 第2-5章分别介绍了节点分类、链路预测、社团检测、图分类的机器学习任务及算法; 第6、7章介绍了对抗攻击下算法的鲁棒性问题, 包括对抗攻击和对抗防御; 第8章探讨了领域前沿图数据增强技术, 利用图数据自身的结构和属性信息拓展特征空间, 提升算法性能。相比传统机器学习类书籍, 本书聚焦网络图数据; 相比图神经网络类书籍, 本书更侧重网络图从微观到宏观的分析。

• 410 _0 |1 2001 |a 网络科学与工程丛书 |v 17

• 510 1_ |a Graph machine learing |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 宣琦 |A xuan qi |4 著

• 801 _0 |a CN |b 湖北三新 |c 20221011

• 905 __ |a AUSTL |d TP181/X649