圖表征學習：邁向動態開放環境

內容簡介

《圖表征學習：邁向動態開放環境》全面介紹了圖表征學習，特別是針對處於真實世界動態、開放環境之中圖數據的圖表征學習方法。除了對代表性方法進行詳細介紹，本書還提供了豐富的參考文獻，讀者可以更深入地學習圖表征學習的前沿內容。

圖書目錄

第1 章概述/1

1.1 引言/1

1.2 圖基礎知識/3

1.3 機器學習基礎知識/7

第1 篇經典圖表征學習

第2 章圖嵌入/13

2.1 基於隨機遊走的圖嵌入/13

2.2 基於矩陣分解的圖嵌入/18

2.3 基於深度自編碼器的圖嵌入/21

2.4 本章小結/24

第3 章圖神經網路/25

3.1 譜域圖神經網路/26

3.2 空域圖神經網路/34

3.3 訊息傳遞圖神經網路/41

3.4 圖池化/47

3.5 本章小結/53

第4 章圖表征學習理論分析/54

4.1 圖信號處理/54

4.2 圖同構測試/58

4.3 圖神經網路表達能力/61

4.4 過平滑與深層圖神經網路/64

4.5 本章小結/68

第2 篇動態開放環境圖表征學習

第5 章魯棒圖表征學習/71

5.1 圖數據上的對抗樣本/71

5.2 圖對抗攻擊的分類/73

5.3 圖神經網路模型上的攻擊與防禦方法/75

5.4 本章小結/78

第6 章解耦圖表征學習· 79

6.1 基於變分自編碼器的解耦圖神經網路/79

6.2 基於鄰域路由機制的解耦圖神經網路/81

6.3 基於其他思想的解耦圖神經網路/87

6.4 本章小結/90

第7 章動態圖表征學習/91

7.1 動態圖數據/91

7.2 離散時間動態圖表征學習/92

7.3 連續時間動態圖表征學習/94

7.4 本章小結/96

第8 章無監督圖神經網路與自監督圖神經網路/97

8.1 無監督學習的圖神經網路/97

8.2 自監督學習的圖神經網路/99

8.3 本章小結/106

第9 章圖神經網路的可解釋性/107

9.1 簡介/107

9.2 可解釋方法分類/109

9.3 實例級局部解釋/110

9.4 模型級全局解釋/114

9.5 對解釋模型的評價/115

9.6 可解釋性的交叉學科套用/117

9.7 本章小結/118

第10 章自動圖表征學習/119

圖表征學習：邁向動態開放環境

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條