圖表徵學習-邁向動態開放環境 朱文武 9787121454868 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$687
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202307*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：圖表徵學習-邁向動態開放環境 ISBN：9787121454868 出版社：電子工業 著編譯者：朱文武 叢書名：人工智慧前沿技術叢書 頁數：244 所在地：中國大陸 *此為代購商品 書號：1544360 可大量預訂，請先連絡。 內容簡介 圖數據是對萬物間聯繫的一般抽象，廣泛存在於各行各業中。圖表徵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系統、交通預測等眾多領域。本書將全面介紹圖表徵學習，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徵學習方法。本書分為3篇：第1篇介紹圖嵌入和圖神經網路等經典圖表徵學習方法；第2篇圍繞魯棒性、動態性、可解釋性、分佈外泛化性等多個角度，系統地介紹針對動態開放環境中的圖表徵學習方法；第3篇以四個不同領域為例，從推薦系統、交通預測、自然語言處理、組合優化等場景，介紹圖表徵學習的應用方法。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徵學習的前沿內容。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，也適合對人工智慧、深度學習和圖數據分析感興趣的其他人士參考。作者簡介 朱文武 清華大學計算機科學與技術系教授，清華大學人工智慧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、ACMFellow、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/EEE Transactions on Multimedia主編、指導委員會主席。10次獲國際最佳論文獎。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）。目錄 第1章 概述1 1 引言 1 2 圖基礎知識 1 3 機器學習基礎知識 第1篇 經典圖表徵學習 第2章 圖嵌入 2 1 基於隨機遊走的圖嵌入 2 2 基於矩陣分解的圖嵌入 2 3 基於深度自編碼器的圖嵌入 2 4 本章小結 第3章 圖神經網路 3 1 譜域圖神經網路 3 2 空域圖神經網路 3 3 消息傳遞圖神經網路 3 4 圖池化 3 5 本章小結 第4章 圖表徵學習理論分析 4 1 圖信號處理 4 2 圖同構測試 4 3 圖神經網路表達能力 4 4 過平滑與深層圖神經網路 4 5 本章小結 第2篇 動態開放環境圖表徵學習 第5章 魯棒圖表徵學習 5 1 圖數據上的對抗樣本 5 2 圖對抗攻擊的分類 5 3 圖神經網路模型上的攻擊與防禦方法 5 4 本章小結 第6章 解耦圖表徵學習 6 1 基於變分自編碼器的解耦圖神經網路 6 2 基於鄰域路由機制的解耦圖神經網路 6 3 基於其他思想的解耦圖神經網路 6 4 本章小結 第7章 動態圖表徵學習 7 1 動態圖數據 7 2 離散時間動態圖表徵學習 7 3 連續時間動態圖表徵學習 7 4 本章小結 第8章 無監督圖神經網路與自監督圖神經網路 8 1 無監督學習的圖神經網路 8 2 自監督學習的圖神經網路 8 3 本章小結 第9章 圖神經網路的可解釋性 9 1 簡介 9 2 可解釋方法分類 9 3 實例級局部解釋 9 4 模型級全局解釋 9 5 對解釋模型的評價 9 6 可解釋性的交叉學科應用 9 7 本章小結 第10章 自動圖表徵學習 10 1 自動機器學習簡介 10 2 圖超參數優化 10 3 圖神經網路架構搜索 10 4 本章小結 第11章 元學習與圖表徵學習 11 1 元學習簡介 11 2 圖上的元學習 11 3 本章小結 第12章 分佈外泛化圖表徵學習 12 1 圖分佈外泛化問題和分類 12 2 數據層面方法 12 3 模型層面方法 12 4 學習策略 12 5 理論分析 12 6 本章小結 第3篇 圖表徵學習的應用 第13章 推薦系統 13 1 通用推薦 13 2 序列推薦 13 3 本章小結 第14章 交通預測 14 1 時空圖 14 2 時空圖神經網路模型 14 3 本章小結 第15章 自然語言處理 15 1 文本分類 15 2 關係抽取 15 3 文本生成 15 4 問答系統 15 5 其他任務 15 6 本章小結 第16章 組合優化 16 1 簡介 16 2 預備知識 16 3 尋找可行解 16 4 本章小結 第17章 圖表徵學習展望 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
