掃一掃
關(guān)注中圖網(wǎng)
官方微博
圖表示學(xué)習(xí) 版權(quán)信息
- ISBN：9787121410772
- 條形碼：9787121410772 ; 978-7-121-41077-2
- 裝幀：一般純質(zhì)紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
圖表示學(xué)習(xí) 本書特色
圖表示學(xué)習(xí)開山之作； 斯坦福大學(xué)博士、吉爾大學(xué)助理教授傾力打造 清華大學(xué)教授鼎力推薦； 浙江大學(xué)、山東大學(xué)、北京郵電大學(xué)等多位高校學(xué)子精心翻譯； 全面剖析圖表示學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、圖嵌入、節(jié)點(diǎn)嵌入、圖深度學(xué)習(xí)等AI領(lǐng)域的前沿進(jìn)展， 探索提升AI的可解釋性、健壯性的路徑與方法，為AI實(shí)現(xiàn)推理、規(guī)劃、邏輯等表示提供助力。
圖表示學(xué)習(xí) 內(nèi)容簡介
《圖表示學(xué)習(xí)》提供了一份關(guān)于圖表示學(xué)習(xí)的綜述。首先，本書討論圖表示學(xué)習(xí)的目標(biāo)及圖論和網(wǎng)絡(luò)分析的關(guān)鍵方法論。然后，本書介紹并回顧了學(xué)習(xí)節(jié)點(diǎn)嵌入的方法，包括基于隨機(jī)游走的方法以及在知識(shí)圖譜上的應(yīng)用。再后，本書對高度成功的圖神經(jīng)網(wǎng)絡(luò)（ Graph Neural Network， GNN）進(jìn)行了技術(shù)上的綜合介紹， GNN已成為圖數(shù)據(jù)深度學(xué)習(xí)領(lǐng)域占地位且迅速發(fā)展的范式。很后，本書總結(jié)了針對圖的深度生成模型的近期新進(jìn)展，這是圖表示學(xué)習(xí)新生但發(fā)展迅速的子集。
圖表示學(xué)習(xí) 目錄
**部分 背景介紹
第1 章 引言 ............................................................................................... 2
1.1 什么是圖 .......................................................................................... 3
1.2 圖機(jī)器學(xué)習(xí) ...................................................................................... 6
第2 章 背景與傳統(tǒng)方法 ............................................................................ 13
2.1 圖統(tǒng)計(jì)特征與核方法 ..................................................................... 14
2.2 鄰域重疊檢測 ................................................................................ 23
2.3 圖的拉普拉斯矩陣和圖的譜方法 .................................................. 32
2.4 面向表示學(xué)習(xí) ................................................................................ 41
第二部分 節(jié)點(diǎn)嵌入
第3 章 鄰域節(jié)點(diǎn)重構(gòu) ................................................................................ 44
3.1 編碼-解碼框架 ............................................................................... 45
3.2 基于因式分解的方法 ..................................................................... 49
3.3 隨機(jī)游走嵌入表示 ......................................................................... 52
3.4 shallow embedding 的局限性 ......................................................... 56
第4 章 多關(guān)系數(shù)據(jù)及知識(shí)圖譜 .................................................................. 58
4.1 重建多關(guān)系數(shù)據(jù) ............................................................................. 59
4.2 損失函數(shù) ........................................................................................ 60
4.3 多關(guān)系解碼器 ................................................................................ 64
4.4 解碼器的性能表征 ......................................................................... 68
第三部分 圖神經(jīng)網(wǎng)絡(luò)（GNN）
第5 章 圖神經(jīng)網(wǎng)絡(luò)（GNN）模型 .............................................................. 72
5.1 神經(jīng)消息傳遞 ................................................................................ 74
5.2 廣義鄰域聚合 ................................................................................ 80
5.3 廣義的更新方法 ............................................................................. 89
5.4 邊特征和多元關(guān)系GNN ................................................................ 96
5.5 圖池化 ............................................................................................ 99
5.6 通用的消息傳遞方法 ................................................................... 102
第6 章 圖神經(jīng)網(wǎng)絡(luò)（GNN）的實(shí)現(xiàn) ......................................................... 104
6.1 應(yīng)用和損失函數(shù) ........................................................................... 104
6.2 效率問題和節(jié)點(diǎn)采樣 ................................................................... 110
6.3 參數(shù)共享與正則化 ....................................................................... 112
第7 章 圖神經(jīng)網(wǎng)絡(luò)（GNN）的理論動(dòng)機(jī) .................................................. 114
7.1 GNN與圖卷積 ............................................................................. 115
7.2 GNN和概率圖模型 ..................................................................... 135
7.3 GNN與圖同構(gòu) ............................................................................. 141
第四部分 生成圖模型
第8 章 傳統(tǒng)圖生成方法 .......................................................................... 158
8.1 傳統(tǒng)方法概述 .............................................................................. 159
8.2 ERDÖS–RÉNYI 模型 .................................................................. 159
8.3 隨機(jī)塊模型 .................................................................................. 160
8.4 優(yōu)先鏈接模型 .............................................................................. 161
8.5 傳統(tǒng)應(yīng)用 ...................................................................................... 163
第9 章 深度生成模型 .............................................................................. 165
9.1 VAE 方法 ..................................................................................... 166
9.2 對抗方法 ...................................................................................... 176
9.3 自回歸模型 .................................................................................. 178
9.4 圖生成的評估 .............................................................................. 184
9.5 分子圖生成 .................................................................................. 185
展開全部
圖表示學(xué)習(xí) 作者簡介
威廉·漢密爾頓（William Hamilton）是麥吉爾大學(xué)（McGill University）計(jì)算機(jī)科學(xué)系的助理教授，也是加拿大高等研究院（Canadian Institute for Advanced Research, CIFAR）AI 方向的主席、GraphSAGE 的作者。他專注于圖表示學(xué)習(xí)及其在計(jì)算社會(huì)科學(xué)和生物學(xué)中的應(yīng)用。近年來，他在機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)科學(xué)領(lǐng)域的頂級(jí)會(huì)議發(fā)表了20 多篇關(guān)于圖表示學(xué)習(xí)的論文，并且參與組織了關(guān)于該主題的幾次大型研討會(huì)，分享了多份重磅教程。 他的工作獲得了多個(gè)獎(jiǎng)項(xiàng)的認(rèn)可，其中包括2017 年美國科學(xué)院Cozzarelli最佳論文獎(jiǎng)和2018 年斯坦福大學(xué)計(jì)算機(jī)科學(xué)系A(chǔ)rthur Samuel 最佳博士論文獎(jiǎng)等。 AI TIME是2019年由清華大學(xué)人工智能研究院張鈸院士和清華大學(xué)計(jì)算機(jī)系唐杰教授、李涓子教授等人聯(lián)合發(fā)起的圈子。AI TIME是一個(gè)開放、包容的組織，專注于探索AI科學(xué)、發(fā)揚(yáng)科學(xué)思辨精神。我們邀請各界人士辯論AI本質(zhì)，介紹學(xué)術(shù)前沿、展示研究機(jī)構(gòu)風(fēng)采，鼓勵(lì)所有參與者用辯論的形式，平等、自由、充分地交流，探討人工智能和人類未來之間的矛盾，探索人工智能領(lǐng)域的未來。
書友推薦
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
龍榆生：詞曲概論/大家小書
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
莉莉和章魚
- >
隨園食單
- >
自卑與超越
- >
山海經(jīng)
- >
煙與鏡
本類暢銷
