返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

欢迎光临我们店铺!书籍都是正版全新书籍,欢迎下单~!!

本店所有商品

  • 音像深入浅出图神经网络 GNN原理解析刘忠雨,李彦霖,周洋
  • 正版
    • 作者: 刘忠雨,李彦霖,周洋著 | 刘忠雨,李彦霖,周洋编 | 刘忠雨,李彦霖,周洋译 | 刘忠雨,李彦霖,周洋绘
    • 出版社: 机械工业出版社
    • 出版时间:2020-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    诺森图书音像专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 刘忠雨,李彦霖,周洋著| 刘忠雨,李彦霖,周洋编| 刘忠雨,李彦霖,周洋译| 刘忠雨,李彦霖,周洋绘
    • 出版社:机械工业出版社
    • 出版时间:2020-01-01
    • 版次:1
    • 印次:1
    • 页数:224
    • 开本:16开
    • ISBN:9787111643630
    • 版权提供:机械工业出版社
    • 作者:刘忠雨,李彦霖,周洋
    • 著:刘忠雨,李彦霖,周洋
    • 装帧:平装
    • 印次:1
    • 定价:89.00
    • ISBN:9787111643630
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-01-01
    • 页数:224
    • 外部编号:1202006306
    • 版次:1
    • 成品尺寸:暂无

    前言

    章图的概述1

    1.1图的基本定义1

    1.1.1图的基本类型2

    1.1.2邻居和度4

    1.1.3子图与路径4

    1.2图的存储与遍历5

    1.2.1邻接矩阵与关联矩阵5

    1.2.2图的遍历6

    1.3图数据的应用场景7

    1.4图数据深度学习10

    1.5参考文献13

    第2章神经网络基础17

    2.1机器学习基本概念17

    2.1.1机器学习分类17

    2.1.2机器学习流程概述18

    2.1.3常见的损失函数21

    2.1.4梯度下降算法

    2.2神经网络25

    2.2.1神经元25

    2.2.2多层感知器27

    .激活函数29

    ..1S型激活函数30

    ..2ReLU及其变种30

    2.4训练神经网络33

    2.4.1神经网络的运行过程34

    2.4.2反向传播34

    2.4.3优化困境36

    2.5参考文献38

    第3章卷积神经网络39

    3.1卷积与池化39

    3.1.1信号处理中的卷积39

    3.1.2深度学习中的卷积操作42

    3.1.3池化46

    3.2卷积神经网络46

    3.2.1卷积神经网络的结构47

    3.2.2卷积神经网络的特点49

    3.3特殊的卷积形式51

    3.3.11×1卷积51

    3.3.2转置卷积52

    3.3.3空洞卷积54

    3.3.4分组卷积55

    3.3.5深度可分离卷积55

    3.4卷积网络在图像分类中的应用56

    3.4.1VGG56

    3.4.2Inception系列57

    3.4.3ResNet60

    3.5参考文献62

    第4章表示学习65

    4.1表示学习65

    4.1.1表示学习的意义65

    4.1.2离散表示与分布式表示66

    4.1.3端到端学习是一种强大的表示学习方法68

    4.2基于重构损失的方法—自编码器69

    4.2.1自编码器69

    4.2.2正则自编码器71

    4..变分自编码器72

    4.3基于对比损失的方法—Word2vec75

    4.4参考文献79

    第5章图信号处理与图卷积神经网络81

    5.1矩阵乘法的三种方式81

    5.2图信号与图的拉普拉斯矩阵83

    5.3图傅里叶变换85

    5.4图滤波器90

    5.4.1空域角度93

    5.4.2频域角度94

    5.5图卷积神经网络96

    5.6GCN实战101

    5.7参考文献109

    第6章GCN的质111

    6.1GCN与CNN的联系111

    6.2GCN能够对图数据进行端对端学习115

    6.3GCN是一个低通滤波器120

    6.4GCN的问题—过平滑122

    6.5参考文献127

    第7章GNN的变体与框架129

    7.1GraphSAGE129

    7.1.1采样邻居130

    7.1.2聚合邻居131

    7.1.3GraphSAGE算法过程132

    7.2GAT134

    7.2.1注意力机制134

    7.2.2图注意力层137

    7..多头图注意力层138

    7.3R-GCN140

    7.3.1知识图谱140

    7.3.2R-GCN141

    7.4GNN的通用框架143

    7.4.1MPNN143

    7.4.2NLNN146

    7.4.3GN147

    7.5GraphSAGE实战148

    7.6参考文献153

    第8章图分类155

    8.1基于全局池化的图分类155

    8.2基于层次化池化的图分类156

    8.2.1基于图坍缩的池化机制157

    8.2.2基于TopK的池化机制165

    8..基于边收缩的池化机制168

    8.3图分类实战169

    8.4参考文献177

    第9章基于GNN的图表示学习179

    9.1图表示学习180

    9.2基于GNN的图表示学习182

    9.2.1基于重构损失的GNN183

    9.2.2基于对比损失的GNN184

    9.3基于图自编码器的系统188

    9.4参考文献195

    0章GNN的应用简介197

    10.1GNN的应用简述197

    10.2GNN的应用案例199

    10.2.13D视觉199

    10.2.2基于社交网络的系统203

    10..视觉推理205

    10.3GNN的未来展望208

    10.4参考文献209

    附录A符号声明211

    (1)作者所在企业极验是图神经网络领域的领军企业,核心作者是图神经网络领域的专家,有较强的行业影响力。(2)本书得到了白翔、俞栋等学术界和企业界的领军人物的高度评价和强烈。(3)从原理、算法、实现、应用4个维度对图神经网络做了多方面的讲解,深入浅出。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购