圖神經網路基礎與前沿

內容簡介

圖神經網路是人工智慧領域的一個新興方向，它不僅迅速得到了學術界的廣泛關注，而且被成功地套用在工業界的多個領域。本書介紹了圖神經網路和圖深度學習的基礎知識和前沿研究，不僅包括它們的發展歷史和經典模型，還包括圖神經網路在深層網路、無監督學習、大規模訓練、知識圖譜推理等方面的前沿研究，以及它們在不同領域（如推薦系統、生化醫療、自然語言處理等）的實際套用。本書既可作為人工智慧領域研究和開發人員的技術參考書，也可作為對圖上的深度學習感興趣的高年級本科生和研究生的入門書。

圖書目錄

第 1 章當深度學習遇上圖：圖神經網路的興起 1

1．1 什麼是圖1

1．2 深度學習與圖 2

1．2．1 圖數據的特殊性質 3

1．2．2 將深度學習擴展到圖上的挑戰 4

1．3 圖神經網路的發展 5

1．3．1 圖神經網路的歷史 5

1．3．2 圖神經網路的分類 7

1．4 圖神經網路的套用 8

1．4．1 圖數據上的任務 8

1．4．2 圖神經網路的套用領域 8

1．5 小結 11

第 2 章預備知識 13

2．1 圖的基本概念 13

2．2 簡易圖譜論 15

2．2．1 拉普拉斯矩陣 16

2．2．2 拉普拉斯二次型 17

2．2．3 拉普拉斯矩陣與圖擴散 18

2．2．4 圖論傅立葉變換 19

2．3 小結 20

第 3 章圖神經網路模型介紹 21

3．1 基於譜域的圖神經網路 21

3．1．1 譜圖卷積網路 21

3．1．2 切比雪夫網路 24

3．1．3 圖卷積網路 25

3．1．4 譜域圖神經網路的局限和發展 27

3．2 基於空域的圖神經網路 28

3．2．1 早期的圖神經網路與循環圖神經網路 28

3．2．2 再談圖卷積網路 29

3．2．3 GraphSAGE：歸納式圖表示學習 31

3．2．4 訊息傳遞神經網路 34

3．2．5 圖注意力網路 37

3．2．6 圖同構網路：Weisfeiler-Lehman 測試與圖神經網路的表達力 39

3．3 小試牛刀：圖卷積網路實戰 42

3．4 小結 46

第 4 章深入理解圖卷積網路 47

4．1 圖卷積與拉普拉斯平滑：圖卷積網路的過平滑問題 47

4．2 圖卷積網路與個性化 PageRank 50

4．3 圖卷積網路與低通濾波 52

4．3．1 圖卷積網路的低通濾波效果 52

4．3．2 圖濾波神經網路 54

圖神經網路基礎與前沿

基本介紹

內容簡介

圖書目錄

作者簡介

相關詞條

熱門詞條