1. 本书全面介绍了图神经网络的基础和前沿内容，以及图表示学习的基本概念和定义，并讨论了高级图表示学习方法的发展； 2. 国内图领域研究领域优秀团队核心成员共同编写，适合所有想了解图神经网络基本问题和技术的人，包括但不限于高等院校计算机专业高年级本科生及研究生、科研人员以及相关从业者。 3. 涵盖图神经网络的几个前沿主题，例如利用图数据描述社会科学、化学和生物学等领域的真实数据的关系等。
售 价：¥
纸质售价：¥78.80购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内 容 提 要
前 言
第1章 概述
1.1 基本概念
1.2 图神经网络的发展
1.3 本书的组织结构
第2章 基础图神经网络
2.1 引言
2.2 图卷积网络
2.3 归纳式图卷积网络
2.4 图注意力网络
2.5 异质图注意力网络
第3章 同质图神经网络
3.1 引言
3.2 自适应多通道图卷积网络
3.3 融合高低频信息的图卷积网络
3.4 图结构估计神经网络
3.5 基于统一优化框架的图神经网络
3.6 本章小结
3.7 扩展阅读
第4章 异质图神经网络
4.1 引言
4.2 异质图传播网络
4.3 基于距离编码的异质图神经网络
4.4 基于协同对比学习的自监督异质图神经网络
4.5 本章小结
4.6 扩展阅读
第5章 动态图神经网络
5.1 引言
5.2 基于微观和宏观动态性的图表示学习
5.3 基于异质霍克斯过程的动态异质图表示学习
5.4 基于动态元路径的时序异质图神经网络
5.5 本章小结
5.6 扩展阅读
第6章 双曲图神经网络
6.1 引言
6.2 双曲图注意力网络
6.3 洛伦兹图卷积网络
6.4 双曲异质图表示
6.5 本章小结
6.6 扩展阅读
第7章 图神经网络的知识蒸馏
7.1 引言
7.2 图神经网络的先验知识蒸馏
7.3 温度自适应的图神经网络知识蒸馏
7.4 图神经网络的无数据对抗知识蒸馏
7.5 本章小结
7.6 扩展阅读
第8章 图神经网络平台和实践
8.1 引言
8.2 基础知识
8.3 图神经网络在GammaGL上的实践
8.4 本章小结
第9章 未来方向和总结
9.1 未来方向
9.2 总结
参 考 文 献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
