Graph Neural Networks: Foundations, Frontiers, and Applications (Hardcover)
Wu, Lingfei, Cui, Peng, Pei, Jian
- 出版商: Springer
- 出版日期: 2022-01-04
- 售價: $3,980
- 貴賓價: 9.5 折 $3,781
- 語言: 英文
- 頁數: 728
- 裝訂: Hardcover - also called cloth, retail trade, or trade
- ISBN: 9811660530
- ISBN-13: 9789811660535
-
相關分類:
人工智慧、Machine Learning、DeepLearning
立即出貨
買這商品的人也買了...
-
Reinforcement Learning: An Introduction, 2/e (Hardcover)$1,750$1,715 -
$1,805Foundations of Deep Reinforcement Learning: Theory and Practice in Python (Paperback) -
Reinforcement Learning｜強化學習深度解析 (繁體中文版) (Reinforcement Learning: An Introduction, 2/e)$1,200$948 -
Graph Machine Learning: Take graph data to the next level by applying machine learning techniques and algorithms$1,900$1,805 -
MLOps 實踐 — 機器學習從開發到生產 (全彩)$636$604 -
$576概率圖模型原理與應用, 2/e -
Theories of Molecular Reaction Dynamics: The Microscopic Foundation of Chemical Kinetics (Hardcover)$3,920$3,724
商品描述
Chapter 1. Representation Learning.- Chapter 2. Graph Representation Learning.- Chapter 3. Graph Neural Networks.- Chapter 4. Graph Neural Networks for Node Classification.- Chapter 5. The Expressive Power of Graph Neural Networks.- Chapter 6. Graph Neural Networks: Scalability.- Chapter 7. Interpretability in Graph Neural Networks.- Chapter 8. "Graph Neural Networks: Adversarial Robustness".- Chapter 9. Graph Neural Networks: Graph Classification.- Chapter 10. Graph Neural Networks: Link Prediction.- Chapter 11. Graph Neural Networks: Graph Generation.- Chapter 12. Graph Neural Networks: Graph Transformation.- Chapter 13. Graph Neural Networks: Graph Matching.- Chapter 14. "Graph Neural Networks: Graph Structure Learning". Chapter 15. Dynamic Graph Neural Networks.- Chapter 16. Heterogeneous Graph Neural Networks.- Chapter 17. Graph Neural Network: AutoML.- Chapter 18. Graph Neural Networks: Self-supervised Learning.- Chapter 19. Graph Neural Network in Modern Recommender Systems.- Chapter 20. Graph Neural Network in Computer Vision.- Chapter 21. Graph Neural Networks in Natural Language Processing.- Chapter 22. Graph Neural Networks in Program Analysis.- Chapter 23. Graph Neural Networks in Software Mining.- Chapter 24. "GNN-based Biomedical Knowledge Graph Mining in Drug Development".- Chapter 25. "Graph Neural Networks in Predicting Protein Function and Interactions".- Chapter 26. Graph Neural Networks in Anomaly Detection.- Chapter 27. Graph Neural Networks in Urban Intelligence.
商品描述(中文翻譯)
第一章. 表示學習
第二章. 圖形表示學習
第三章. 圖形神經網絡
第四章. 用於節點分類的圖形神經網絡
第五章. 圖形神經網絡的表達能力
第六章. 圖形神經網絡：可擴展性
第七章. 圖形神經網絡中的可解釋性
第八章. 圖形神經網絡：對抗韌性
第九章. 圖形神經網絡：圖形分類
第十章. 圖形神經網絡：鏈接預測
第十一章. 圖形神經網絡：圖形生成
第十二章. 圖形神經網絡：圖形轉換
第十三章. 圖形神經網絡：圖形匹配
第十四章. 圖形神經網絡：圖形結構學習
第十五章. 動態圖形神經網絡
第十六章. 異構圖形神經網絡
第十七章. 圖形神經網絡：自動機器學習
第十八章. 圖形神經網絡：自監督學習
第十九章. 現代推薦系統中的圖形神經網絡
第二十章. 電腦視覺中的圖形神經網絡
第二十一章. 自然語言處理中的圖形神經網絡
第二十二章. 程式分析中的圖形神經網絡
第二十三章. 軟體挖掘中的圖形神經網絡
第二十四章. 基於GNN的生物醫學知識圖形挖掘在藥物開發中
第二十五章. 預測蛋白質功能和相互作用中的圖形神經網絡
第二十六章. 異常檢測中的圖形神經網絡
第二十七章. 城市智能中的圖形神經網絡
