圖深度學習從理論到實踐

《圖深度學習從理論到實踐》是清華大學出版社於2022年出版的書籍，作者是包勇軍、朱小坤、顏偉鵬、姚普。

基本介紹

• 書名：圖深度學習從理論到實踐
• 作者：包勇軍、朱小坤、顏偉鵬、姚普、張新靜、陳曉宇、杜華、李傑、劉健、韓小濤、胡俊琪、張維
• 出版社：清華大學出版社
• 出版時間：2022年5月1日
• 定價：89 元
• ISBN：9787302604884
• 印次：1-1
• 印刷日期：2022.05.11

內容簡介

圖神經網路是人工智慧的一個熱點方向,從圖的視角解讀大數據,可以靈活建模複雜的信息互動關 系,吸引大量學者的關注並在多個工業領域得到廣泛套用。《圖深度學習從理論到實踐》由淺入深,全面介紹圖神經網路的基礎知 識、典型模型方法和套用實踐。《圖深度學習從理論到實踐》不僅包括一般的深度學習基礎和圖基礎知識,還涵蓋了圖表示學習、 圖卷積、圖注意力、圖序列等典型圖網路模型,以京東自研的Galileo平台為代表的圖學習框架,以及圖神 經網路在電商推薦和流量風控方面的兩個典型工業套用。 《圖深度學習從理論到實踐》既適合對數據挖掘、機器學習方向以及圖建模交叉方向感興趣的高年級本科生和研究生作為教 材使用,也適合網際網路電商、金融風控、社交網路分析、藥物研發等企業的從業者參考學習。

目錄

第1章深度學習基礎

1.1深度學習與人工智慧

1.2感知機與神經網路

1.2.1單層感知機

1.2.2多層感知機

1.3前饋神經網路

1.3.1前饋神經網路的模型

1.3.2前饋神經網路的學習

1.4卷積神經網路

1.4.1圖像數據的存儲

1.4.2傳統圖像處理運算元

1.4.3卷積

1.4.4池化

1.4.5填充

1.4.6步幅

1.4.7典型的卷積神經網路結構

1.4.8卷積神經網路與多層感知機的差別

1.5深度學習訓練的最最佳化算法

1.6深度學習中的過擬合和欠擬合

1.7本章小結

第2章圖基礎

2.1圖的結構

2.2圖的性質

2.3圖數據的存儲

2.4圖與拉普拉斯矩陣

2.5圖神經網路簡史

2.5.1挑戰

2.5.2發展簡史

2.6圖的任務與套用

2.6.1圖的任務

2.6.2圖神經網路的套用

2.7本章小結

第3章圖表示學習

3.1圖表示學習的意義

3.2基於矩陣分解的圖表示學習方法

3.3基於隨機遊走的圖表示學習

3.3.1Word2Vec算法

3.3.2DeepWalk

3.3.3Node2Vec

3.3.4隨機遊走模型的最佳化策略

3.3.5其他隨機遊走方法

3.4基於深度學習的圖表示學習

3.4.1局域相似度和全局相似度

3.4.2SDNE算法結構圖

3.5異質圖表示學習