| | | 圖表征學習 邁向動態開放環境 圖書 | 該商品所屬分類:圖書 -> 科技 | 【市場價】 | 750-1088元 | 【優惠價】 | 469-680元 | 【作者】 | 朱文武王鑫張子威 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
出版社:電子工業出版社 ISBN:9787121454868 商品編碼:10081249803062 品牌:文軒 出版時間:2023-07-01 代碼:108 作者:朱文武,王鑫,張子威
" 作 者:朱文武,王鑫,張子威 著 定 價:108 出 版 社:電子工業出版社 出版日期:2023年07月01日 頁 數:260 裝 幀:平裝 ISBN:9787121454868 "清華大學朱文武教授團隊全新力作!張鈸、徐宗本、陳純院士傾情作序推薦!詳解圖表征學習的基礎知識、前沿進展繫統論述圖表征學習的動態性、可解釋性、魯棒性和泛化性等熱點問題全面剖析圖表征學習在推薦繫統、交通預測、自然語言處理、組合優化領域的應用方法" ●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章圖神經網絡/25 3.1譜域圖神經網絡/26 3.2空域圖神經網絡/34 3.3消息傳遞圖神經網絡/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圖神經網絡表達能力/61 4.4過平滑與深層圖神經網絡/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圖神經網絡模型上的攻擊與防御方法/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絡/79 6.2基於鄰域路由機制的解耦圖神經網絡/81 6.3基於其他思想的解耦圖神經網絡/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章無監督圖神經網絡與自監督圖神經網絡/97 8.1無監督學習的圖神經網絡/97 8.2自監督學習的圖神經網絡/99 8.3本章小結/106
第9章圖神經網絡的可解釋性/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應用/117 9.7本章小結/118
第10章自動圖表征學習/119 10.1自動機器學習簡介/119 10.2圖超參數優化/120 10.3圖神經網絡架構搜索/122 10.4本章小結/132
第學習與圖表征學習/133 1學習簡介/133 11.2學習/136 11.3本章小結/143
第12章分布外泛化圖表征學習/144 12.1圖分布外泛化問題和分類/145 12.2數據層面方法/148 12.3模型層面方法/151 12.4學習策略/155 12.5理論分析/162 12.6本章小結/163
第3篇圖表征學習的應用 第13章推薦繫統/167 13.1通用推薦/168 13.2序列推薦/176 13.3本章小結/179
第14章交通預測/180 14.1時空圖/181 14.2時空圖神經網絡模型/181 14.3本章小結/188
第15章自然語言處理/189 15.1文本分類/189 15.2關繫抽取/192 15.3文本生成/193 15.4問答繫統/196 15.5其他任務/198 15.6本章小結/198
第16章組合優化/199 16.1簡介/199 16.2預備知識/200 16.3尋找可行解/201 16.4本章小結/207 第17章圖表征學習展望/209 參考文獻/211 圖數據是對萬物間聯繫的一般抽像,廣泛存在於各行各業中。圖表征學習為圖數據的建模與分析提供了新範式,是近年來機器學習與數據挖掘領域的熱門研究方向,並被有效地應用於推薦繫統、交通預測等眾多領域。本書將全面介紹圖表征學習,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。本書分為3 篇:第1 篇介紹圖嵌入和圖神經網絡等經典圖表征學習方法;第2 篇圍繞魯棒性、動態性、可解釋性、分布外泛化性等多個角度,繫統地介紹針對動態開放環境中的圖表征學習方法;第3 篇以四個不同領域為例,從推薦繫統、交通預測、自然語言處理、組合優化等場景,介紹圖表征學習的應用方法。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。本書適合具有一定機器學習基礎的高年級本科生、研究生、教師和研究者,以及對圖數據感興趣的計算機工程師和從業人員閱讀,也適合對人工智能、深度學等 朱文武,王鑫,張子威 著 "朱文武清華大學計算機科學與技術繫教授,清華大學人工智能研究院大數據智能中心主任,信息科學與技術國家研究中心副主任,國家973項目首席科學家。歐洲科學院院士、ACM Fellow、IEEE Fellow、AAAS Fellow、SPIE Fellow。曾任微軟亞洲研究院主任研究員、英特爾中國研究院首席科學家與總監及美國貝爾實驗室研究員等職。主要從事多媒體智能計算、大數據分析等研究工作。曾擔任IEEE Transactions on ltimedia主編、指導委員會主席。10次獲國際很好論文獎。獲2018年度國家自然科學二等獎(排名第1)和2012年度國家自然科學二等獎(排名第2)。等
" | | | | | |