圖神經網絡導論 pdf epub mobi txt 电子书下载 2026

☆☆☆☆☆

劉知遠

圖書標籤:

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到求知書站

tushu.tinynews.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

第 1章　引论 1
1.1　设计动机　1
1.1.1　卷积神经网络　1
1.1.2　图嵌入　3
1.2　相关工作　3
第　2章数学和图论基础　7
2.1　线性代数　7
2.1.1　基本概念　7
2.1.2　特征分解　10
2.1.3　奇异值分解　11
2.2　概率论　12
2.2.1　基本概念和公式　12
2.2.2　概率分布　14
2.3　图论　15
2.3.1　基本概念　16
2.3.2　图的代数表示　16
第3章　神经网络基础　19
3.1　神经元　19
3.2　后向传播　22
3.3　神经网络　24
第4章　基础图神经网络　27
4.1　概述　27
4.2　模型介绍　28
4.3　局限性　30
第5章　卷积图神经网络　33
5.1　基于谱分解的方法　33
5.1.1　Spectral Network　33
5.1.2　ChebNet　34
5.1.3　GCN　35
5.1.4　AGCN　36
5.2　基于空间结构的方法　37
5.2.1　Neural FP　37
5.2.2　PATCHY-SAN　38
5.2.3　DCNN　40
5.2.4　DGCN　40
5.2.5　LGCN　42
5.2.6　MoNet　44
5.2.7　GraphSAGE　45
第6章　循环图神经网络　47
6.1　GGNN　47
6.2　Tree-LSTM　49
6.3　Graph-LSTM　50
6.4　S-LSTM　51
第7章　图注意力网络　55
7.1　GAT　55
7.2　GaAN　57
第8章　图残差网络　59
8.1　Highway GCN　59
8.2　Jump Knowledge Network　60
8.3　DeepGCN　62
第9章　不同图类型的模型变体　65
9.1　有向图　65
9.2　异构图　66
9.3　带有边信息的图　68
9.4　动态图　70
9.5　多维图　72
第　10章高级训练方法　75
10.1　采样　75
10.2　层级池化　78
10.3　数据增广　80
10.4　无监督训练　80
第　11章通用框架　83
11.1　MPNN　83
11.2　NLNN　85
11.3　GN　87
第　12章结构化场景应用　93
12.1　物理学　93
12.2　化学和生物学　95
12.2.1　分子指纹　95
12.2.2　化学反应预测　97
12.2.3　药物推荐　97
12.2.4　蛋白质和分子交互预测　98
12.3　知识图谱　99
12.3.1　知识图谱补全　99
12.3.2　归纳式知识图谱嵌入　100
12.3.3　知识图谱对齐　101
12.4　推荐系统　102
12.4.1　矩阵补全　103
12.4.2　社交推荐　104
第　13章非结构化场景应用　105
13.1　图像领域　105
13.1.1　图像分类　105
13.1.2　视觉推理　108
13.1.3　语义分割　109
13.2　文本领域　110
13.2.1　文本分类　110
13.2.2　序列标注　111
13.2.3　神经机器翻译　112
13.2.4　信息抽取　113
13.2.5　事实验证　114
13.2.6　其他应用　116
第　14章其他场景应用　117
14.1　生成模型　117
14.2　组合优化　119
第　15章开放资源　121
15.1　数据集　121
15.2　代码实现　123
第　16章总结　125
16.1　浅层结构　125
16.2　动态图　126
16.3　非结构化场景　126
16.4　可扩展性　126
参考文献　129
作者简介　148
· · · · · · (收起)

具体描述

清華大學劉知遠力作，一書輕鬆構建GNN知識體係。

前沿：圖神經網絡（GNN）已風靡深度學習領域

全麵：綜述流行的GNN框架以及應用場景

新增：在英文版的基礎上增補更多內容

力薦：多位AI先鋒學者聯袂推薦

精美：采用高檔純質紙，全彩印刷，適閤珍藏

圖神經網絡（GNN）是基於深度學習的圖數據處理方法，因其卓越的性能而受到廣泛關注。本書全麵介紹瞭GNN的基本概念、具體模型和實際應用。書中首先概述數學基礎和神經網絡以及圖神經網絡的基本概念，接著介紹不同種類的GNN，包括捲積圖神經網絡、循環圖神經網絡、圖注意力網絡、圖殘差網絡，以及幾個通用框架。此外，本書還介紹瞭GNN在結構化場景、非結構化場景和其他場景中的應用。讀完本書，你將對GNN的最新成果和發展方嚮有較為透徹的認識。

用户评价

评分☆☆☆☆☆

##读了一半吧，只能从宏观上了解一下图神经网络，相当于对各个经典模型的简要介绍，原理还得自己查，想学懂学通看这本肯定不行，类似综述吧。不过印刷很好，这个算是优点吧

评分☆☆☆☆☆

##适合读了一些GNN论文，但是尚未了解GNN全貌的人阅读。内容确实很浅，不精细，但是足够告诉读者2020年前GNN发展动态。举例来说，我先前研究的是图分类算法，但是对于GNN的其他细分领域，比如有向图，异构图，多维图是完全不知道的。由于之前只重视算法细节，不读本书我也不知道GNN在图像、本文、组合优化等领域有很多实际的应用。现在再去回答以前面试官关于"GNN到底有什么用"的问题，会更有底气一点。值得一提的是，译者李泺秋好像是个和我同届的硕士，当年看着他知乎上一篇一篇写文章的，如今他都出书了，我依旧还在山上吃草……

评分☆☆☆☆☆

##2021.11.24 第2章，基础数学概念，讲的不详实，只摆结果，但结果又少了很多批注，让即使是学过相关知识但是遗忘的我，还是想不起来，看不懂。难以想象小白看了是不是直接放弃。书里的字太大了，明明可以充实更多内容。 2022.2.3 个人认为这本书叫“导览”更合适。细节内容基本没有，让钻细节的人束手无策。但是GCN的总体发展确实都涵盖了，只不过都蜻蜓点水了。读的过程深刻感受到人多力量大的现实。短短10年，大量人力物力财力涌入GCN，带来了现在无论自媒体还是各类书籍，都有各种深入浅出的资料可以学习。反观一直在慢慢走的基础科学，文献难度，不仅得慢慢抽丝剥茧还得训练自己有高视野分辨，大大增加了各种难度。不如…来年也涌入潮流吧…… 等对DL有更多完备的实操知识后，再来温习这书。

评分☆☆☆☆☆

##大综述啊这是，感觉这种书还是要有点细节会比较好

评分☆☆☆☆☆

##大综述啊这是，感觉这种书还是要有点细节会比较好

评分☆☆☆☆☆

##走马观花似的罗列各种 GNN 模型和论文中的公式，看完基本上只能记住个名字吧

评分☆☆☆☆☆

##大综述啊这是，感觉这种书还是要有点细节会比较好