互联网
类型
可以朗读
语音朗读
119千字
字数
2025-02-01
发行日期
展开全部
主编推荐语
深度加深模型退化,监督信息过度依赖。
内容简介
本书深入剖析了图神经网络领域所面临的两大核心挑战:深度加深模型退化和监督信息过度依赖。针对这两大挑战,本书提出了一系列切实可行的解决方案,涵盖了模型结构优化、训练策略改进等多个方面。
主要内容包括图神经网络的研究背景及其意义、基于混合阶的图神经网络模型、基于拓扑结构自适应的图神经网络模型、图结构与节点属性联合学习的变分图自编码器模型、基于注意力机制的图对比学习模型。
目录
- 版权信息
- 内容简介
- 前言
- 第1章 绪论
- 1.1 图神经网络研究的背景及意义
- 1.2 网络表示学习与图神经网络国内外研究现状
- 1.2.1 基于矩阵特征向量的方法
- 1.2.2 基于随机游走的方法
- 1.2.3 基于矩阵分解的方法
- 1.2.4 基于图神经网络的方法
- 1.3 图神经网络面临的主要问题
- 1.4 研究内容和组织结构
- 1.5 本章小结
- 第2章 图神经网络
- 2.1 神经网络基础
- 2.1.1 神经元模型与感知机
- 2.1.2 前馈神经网络
- 2.1.3 卷积神经网络
- 2.1.4 循环神经网络
- 2.1.5 自编码器
- 2.2 图数据
- 2.2.1 生活生产中的图数据
- 2.2.2 图数据的分类
- 2.2.3 图任务
- 2.3 图神经网络方法
- 2.3.1 图卷积神经网络
- 2.3.2 图注意力网络
- 2.3.3 图自编码器
- 2.4 图神经网络的应用
- 2.4.1 在计算机视觉领域的应用
- 2.4.2 在自然语言处理领域的应用
- 2.4.3 在生物化学领域的应用
- 2.4.4 在物理学领域的应用
- 2.5 本章小结
- 第3章 基于混合阶的图神经网络模型
- 3.1 引言
- 3.2 基于混合阶的图神经网络模型介绍
- 3.2.1 符号及其含义
- 3.2.2 总体框架
- 3.2.3 基于图卷积神经网络学习器模块
- 3.2.4 集成模块
- 3.3 实验分析
- 3.3.1 实验设置
- 3.3.2 实验结果
- 3.4 本章小结
- 第4章 基于拓扑结构自适应的图神经网络模型
- 4.1 引言
- 4.2 基于拓扑结构自适应的图神经网络模型介绍
- 4.2.1 符号及其含义
- 4.2.2 总体框架
- 4.2.3 边强度计算模块
- 4.2.4 有指导去边模块
- 4.2.5 图神经网络学习器模块
- 4.2.6 时间复杂度分析
- 4.2.7 理论分析
- 4.3 实验分析
- 4.3.1 实验设置
- 4.3.2 实验结果
- 4.4 本章小结
- 第5章 图结构与节点属性联合学习的变分图自编码器模型
- 5.1 引言
- 5.2 预备知识
- 5.2.1 符号及其含义
- 5.2.2 图卷积神经网络
- 5.2.3 图信号处理
- 5.3 图结构与节点属性联合学习的变分图自编码器模型介绍
- 5.3.1 总体框架
- 5.3.2 编码器
- 5.3.3 解码器
- 5.3.4 优化过程
- 5.4 实验分析
- 5.4.1 实验设置
- 5.4.2 实验结果
- 5.5 本章小结
- 第6章 基于注意力机制的图对比学习模型
- 6.1 引言
- 6.2 预备知识
- 6.2.1 符号及其含义
- 6.2.2 图对比学习
- 6.3 基于注意力机制的图对比学习模型介绍
- 6.3.1 图增广模块
- 6.3.2 节点嵌入模块
- 6.3.3 半监督图对比学习模块
- 6.3.4 优化处理模块
- 6.3.5 复杂度分析
- 6.3.6 收敛性分析
- 6.4 实验分析
- 6.4.1 实验设置
- 6.4.2 实验结果
- 6.5 本章小结
- 第7章 总结与展望
- 参考文献
- 后记
展开全部
出版方
电子工业出版社
电子工业出版社成立于1982年10月,是国务院独资、工信部直属的中央级科技与教育出版社,是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展,已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域,综合出版能力位居全国出版行业前列。