由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
[正版]图神经网络 基础 前沿与应用 GNN城堡书图深度学习图表征学习图论自然语言处理人工智能机器学习匹配模型书籍 书店
¥ ×1
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!
1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!
2.店铺无纸质均开具电子,请联系客服开具电子版
本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用,涵盖图神经网络的广泛主题,从基础到前沿,从方法到应用,涉及从方法论到应用场景方方面面的内容。全书分为四部分:第一部分介绍图神经网络的基本概念;第二部分讨论图神经网络成熟的方法;第三部分介绍图神经网络典型的前沿领域;第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。
本书适合高年级本科生和研究生、博士后研究人员、讲师以及行业从业者阅读与参考。
第一部分 引言
第1章 表征学习
1.1 导读
1.2 不同领域的表征学习
1.2.1 用于图像处理的表征学习
1.2.2 用于语音识别的表征学习
1.2.3 用于自然语言处理的表征学习
1.2.4 用于网络分析的表征学习
1.3 小结
第2章 图表征学习
2.1 导读
2.2 传统图嵌入方法
2.3 现代图嵌入方法
2.3.1 保留图结构和属性的图表征学习
2.3.2 带有侧面信息的图表征学习
2.3.3 保留高级信息的图表征学习
2.4 图神经网络
2.5 小结
第3章 图神经网络
3.1 导读
3.2 图神经网络概述
3.2.1 图神经网络基础
3.2.2 图神经网络前沿
3.2.3 图神经网络应用
3.2.4 本书组织结构
3.3 小结
第二部分 基础
第4章 用于节点分类的图神经网络
4.1 背景和问题定义
4.2 有监督的图神经网络
4.2.1 图神经网络的一般框架
4.2.2 图卷积网络
4.2.3 图注意力网络
4.2.4 消息传递神经网络
4.2.5 连续图神经网络
4.2.6 多尺度谱图卷积网络
4.3 无监督的图神经网络
4.3.1 变分图自编码器
4.3.2 深度图信息最大化
4.4 过平滑问题
4.5 小结
第5章 图神经网络的表达能力
5.1 导读
5.2 图表征学习和问题的提出
5.3 强大的消息传递图神经网络
5.3.1 用于集合的神经网络
5.3.2 消息传递图神经网络
5.3.3 MP-GNN的表达能力
5.3.4 具有1-WL测试能力的MP-GNN
5.4 比1-WL测试更强大的图神经网络架构
5.4.1 MP-GNN的局限性
5.4.2 注入随机属性
5.4.3 注入确定性距离属性
5.4.4 建立高阶图神经网络
5.5 小结
第6章 图神经网络的可扩展性
6.1 导读
……
第三部分 前沿
第四部分 广泛和新兴的应用
参考文献
吴凌飞博士,毕业于美国公立常春藤盟校之一的威廉与玛丽学院计算机系。目前他是Pinterest公司主管知识图谱和内容理解的研发工程经理。曾任京东硅谷研究中心的首席科学家和IBM Thomas J.WatsonResearch Center的高级研究员。主要研究方向是机器学习、表征学习和自然语言处理的有机结合,在图神经网络及其应用方面有深入研究。他在机器学习、深度学习等领域的著名会议或期刊上发表100多篇论文。
崔鹏博士,清华大学计算机系长聘副教授。于2010年在清华大学获得博士学位。研究兴趣包括数据挖掘、机器学习和多媒体分析,擅长网络表示学习、因果推理和稳定学习、社会动力学建模和用户行为建模等。他在机器学习和数据挖掘领域的著名会议或期刊上发表100多篇论文。
裴健博士,杜克大学教授。他是数据科学、大数据、数据挖掘和数据库系统等领域的知名研究人员。他擅长为新型数据密集型应用开发有效和高效的数据分析技术,并将其研究成果转化为产品和商业实践。自2000年以来,他已经出版一本教科书、两本专著,并在众多极具影响力的会议或期刊上发表300多篇论文。
赵亮博士,埃默里大学计算科学系助理教授。曾在乔治梅森大学信息科学与技术系和计算机科学系担任助理教授。于2016年在弗吉尼亚理工大学计算机科学系获得博士学位。研究兴趣包括数据挖掘、人工智能和机器学习,在时空和网络数据挖掘、图深度学习、非凸优化、事件预测和可解释机器学习等方面有深入研究。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格