本书特别注重理论与实践的结合。从高等数学、线性代数、图论、群论及量子力学等核心数学知识，到深度学习的主要算法框架，读者将系统性地构建起理解几何深度学习所需的理论基础。同时，本书还深探讨了图神经网络，特别是几何图神经网络的实现，帮助读者理解不变性和等变性这两个几何深度学习的核心概念，并展示了这些原理在实际应用中的重要性。
售 价：¥
纸质售价：¥61.60购买纸书
6.6
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
作者简介
内容简介
前言
第1章 深度学习数学基础
1.1 高等数学
1.2 线性代数
1.3 图论
1.4 群论
1.5 量子力学
第2章 几何深度学习算法理论基础
2.1 深度学习简介
2.2 优化算法
2.3 卷积神经网络
2.4 LSTM算法
2.5 Transformer算法
2.6 生成对抗网络算法
第3章 图神经网络
3.1 图数据简介
3.2 图神经网络模型
3.3 图神经网络算法基础的变体
3.4 进阶图神经网络
第4章 不变性几何图神经网络
4.1 几何图神经网络
4.2 SchNet
4.3 DimeNet
4.4 GemNet
4.5 不变性GNN的结构引入方式
第5章 等变性几何图神经网络
5.1 EGNN
5.2 PAINN
5.3 GVP-GNN
5.4 ClofNet
5.5 LEFTNet
5.6 张量场神经网络
5.7 SEGNN
5.8 SE(3)-Transformers
第6章 E3NN工具库
6.1 E3NN中的数据类型
6.2 E3NN中的等变卷积
6.3 E3NN中的SE(3)-Transformer
6.4 基于E3NN的俄罗斯方块识别
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
