广阔图神经网络(Graph Neural Network,下文简称GNN)研讨人员翘首以盼GNN范畴的影响力学者联合编撰、50多位GNN各方向专家学者倾力奉献的
本书作者群星灿烂,图书还未出书已先火遍IT圈!得到了清华大学教授、中国科学院院士张钹倾情作序引荐,一同韩家炜、沈向洋、张钹、李航、周志华等大咖联袂引荐!
本书为国内GNN研讨供给了前沿的跨范畴理论支撑,打通了GNN根底思维与实践运用之间的通路,为对GNN感喜好的读者打造了一本体系性的教程!
其时GNN现已成为继机器学习尤其是深度学习后展开最快的研讨课题之一,对引荐体系、核算机视觉、自然语言处理等范畴产生了严重影响。本书编者及各章节作者群星灿烂,在GNN范畴做出了巨大奉献,他们的研讨成果许多成功运用到工业生产或开源软件东西中。
吴凌飞博士带领的Graph4NLP团队致力于机器学习与文本数据发掘范畴的根底研讨,其成果在GNN范畴颇负盛名。
崔鹏博士是清华大学长聘副教授,首要研讨数据发掘、机器学习和多媒体,拿手网络表明学习、因果推理和安稳学习等。
裴健博士是杜克大学教授,拿手为新式数据密集型运用开发有用和数据剖析技能,并将其研讨成果转化为产品和商业实践。
赵亮博士是埃默里大学核算科学系助理教授,致力于数据发掘、人工智能和机器学习,尤其是在时空和网络数据发掘、图深度学习、非凸优化、事情猜测和可解释机器学习等方面有深化研讨。
尽管GNN在国际上的研讨与运用成绩斐然,但在国内仍然面对许多应战:比方从办法、理论了解到实践体系中的可扩展性和可解释性,从办法的合理性到运用中的经历体现等。
正是如此,4位作者考虑到要补偿咱们与国际先进技能的距离,决议联合GNN范畴的许多专家学者一同编写一本介绍GNN这一巨大主题的书,协助广阔从业者、研讨人员与学生充分认识和了解GNN,打破GNN理论到运用之间的屏障。
本书不只作者团队奢华,更是遭到了海内外GNN范畴院士、教授、专家的一同必定。取得韩家炜、沈向洋、张钹、周志华、Jure Leskovec等国内外学者联袂引荐。
本书由图神经网络范畴的专家学者一同编撰完结,具体地介绍了这一新式的、快速展开的研讨范畴。
本书对图表征学习进行了及时总述,由图神经网络范畴的专家学者一同编撰完结,可供想了解这一范畴的学生、研讨人员和实践者参阅。
ACM会士,IEEE会士,美国国家工程院外籍院士、英国皇家工程科学院外籍院士,微软研讨院前技能和研讨履行副总裁
作为深度学习的前沿范畴,图神经网络在组合概率机器学习和符号推理方面具有强壮潜力。它在数据驱动范式和常识驱动范式之间架起了交流的桥梁,有望促进第三代人工智能的展开。本书以赋有洞察力的办法介绍了GNN,内容触及从根底常识到前沿展开,从算法根底到运用评论。关于任何想要学习和了解图神经网络的科学家、工程师和学生来说,本书是颇具价值的参阅材料。
作为深度学习的一个重要范畴,图神经网络近年来取得了日新月异的展开。这本由业界闻名学者编撰的专著包含了图神经网络的根底和运用的方方面面。信任这是一本我们都想阅览的书。强烈引荐!
图神经网络是其时人工智能的抢手范畴之一。本书由国际数据发掘范畴闻名学者、加拿大皇家学会院士裴健教授和CCF-IEEECS青年科学家奖取得者崔鹏教授等领衔出书。英文版已由施普林格出书社推出,中文版将为国内感喜好的读者供给阅览学习的便当,很有参阅价值,值得重视。
图神经网络是机器学习、数据科学、数据发掘范畴新式的展开方向。本书作者都是这个范畴的闻名科学家,他们评论了图神经网络的理论根底、算法规划和实践事例。这是一本稀少难得的好书,我强烈引荐!
香港科技大学讲座教授,AAAI会士,ACM会士,加拿大皇家科学院、加拿大工程院院士
本书由范畴学者团队编撰,对图神经网络的根底理论进行了具体介绍,对不同主题进行了广泛掩盖。经过本书,读者可以一览图神经网络全貌、快速展开前沿研讨或将之落地于实践运用。
本书是其时介绍图神经网络方面十分深化的书本之一,由该范畴的闻名学者编撰,是稀少难得的参阅和学习材料。
本书具体地介绍了图神经网络,为在大型图数据上更深一步研讨及探寻快而准的办法供给了不行短少的根底和方向。
深度学习年代,图核算与神经网络天然地结合到一同。图神经网络为人工智能的展开注入了新动力,一同也成为抢手的范畴之一,在工业界得到广泛运用。本书对图神经网络的根底、前沿技能以及运用做了解说,是图神经网络的研讨者以及实践者稀少难得的参阅材料。
图深度学习近年来现已被广泛运用到许多人工智能的研讨范畴,并取得了空前的成功。本书总结了图神经网络的算法和理论根底,广泛介绍了各种图神经网络的前沿研讨方向,并精选了10个图神经网络广泛运用的工作。这是一本经典的深度学习教科书!
图神经网络是一个具有巨大潜力的研讨方向,近年来遭到广泛重视。本书作者是该范畴的闻名学者,具有学术界和工业界的丰厚实践经历。他们经过这本书从概念、算法到运用全面地介绍了图神经网络的相关技能。强烈引荐对这个范畴感喜好的学生、工程师与研讨人员阅览!
图神经网络是一类依据深度学习的处理图结构数据的办法,在引荐体系、核算机视觉、生物制药等许多科学范畴展现出了出色的功能。本书由该范畴的闻名学者倾力打造,从图神经网络的理论根底动身,侧重介绍了图神经网络的研讨前沿和新式运用。图神经网络方兴未已,本书内容厚重,是从事该范畴研讨的科研人员和学生稀少难得的参阅书。
图机器学习是当机会器学习范畴抢手的研讨方向之一。本书针对图神经网络的根底、展开、前沿以及运用进行详尽介绍,是图神经网络范畴值得深化学习的佳作。
图神经网络把深度学习和图结构交融起来,是机器学习范畴曩昔几年重要的理论展开之一,在金融科技、查找引荐、生物医药等范畴有着广泛和重要的运用。本书由该范畴的闻名学者编撰,是研讨人员、学生和业界实践者学习图神经网络的一本参阅图书。
复旦大学浩清教授、博导,AI³研讨院院长,前阿里巴巴副总裁及蚂蚁集团首席AI科学家
图神经网络是一个快速展开的范畴。本书触及图神经网络的概念、根底和运用,十分合适对此范畴感喜好的读者阅览。
图神经网络作为一种新式技能,近年来遭到学术界和工业界的广泛重视。本书由4位作业在此范畴前沿的出色学者编撰,内容包含了图神经网络的根底概念、经典技能、运用范畴以及与工业结合的开展。获益于作者在该范畴的深沉堆集,本书为图神经网络研讨人员供给了大局视角,既合适对此范畴感喜好的初学者,其模块化的结构也合适对该范畴有必定堆集的学者针对某一内容进行深化研讨。
图神经网络现已成为图数据剖析处理的根本东西。本书深化介绍了图神经网络的根底和研讨前沿,可作为有关科研人员、开发者和师生的重要参阅书。
图神经网络是其时AI范畴的重要前沿方向之一,在学术界和工业界得到广泛的重视和运用。本书由相关范畴的闻名学者编撰而成,体系性地总结了图神经网络范畴的关键技能,内容包含了图神经网络的根底办法和前沿运用。2021年英文书出书时我就重视到这本书,现在很快乐看到中文版行将出书。关于国内研讨和运用图神经网络的专业人士和初学者来说,本书是一本稀少难得的参阅书。
图神经网络是对深度学习的重要拓宽和延伸。本书由闻名学者编著,体系地介绍了该范畴的根底问题、前沿算法和运用场景。编者对章节之间的逻辑关系给出了明晰的整理和导读,对初入该范畴和具有必定根底的读者均具有重要的学习和参阅价值。
图神经网络是机器学习十分抢手的范畴之一。本书是十分好的学习资源,内容包含图表征学习的广泛主题和运用。
图神经网络是一种新式的机器学习模型,已在科学和工业界掀起风暴。现在正是参加这一举动的机会——这本书不管对新人仍是经历丰厚的从业者而言是很好的资源!书中的内容由这一范畴的学者团队精心编撰而成。
从专业学者的视角来看,本书内容广度与深度兼备,著作质量有保证,值得对GNN感喜好的读者参阅阅览。
由于作者们都身处GNN范畴的研讨与运用开发一线方位,在书中介绍的理论和实践办法皆是当下干流,有用性十分强。
8月在华盛顿举办的全球数据科学范畴会议KDD 2022上,他们相同做了该论文的讲演,并供给了对应教程的解说。
吴博士在本书中对GNN根底常识进行了简练而明晰的叙说,其间触及的运用办法来自他们自己的实践作业,并重组了理论常识,自始至终具有很强的立异性。
这些理论加实践的立异组合,为更多范畴的研讨者与学习者供给了丰厚的有用经历,具有很重要的辅导作用。
比方吴博士带领团队开发的GNN库——Graph4NLP现在就被广泛运用于图深度学习和自然语言处理(即DLG4NLP)的穿插研制:
本书内容不只新,还全,兼容并包。不管是正预备入门的读者,仍是已有根底预备学习更先进运用办法的读者,都能从本书中读到为自己量身定制的内容。
本书榜首部分和第二部分首要介绍GNN的根底常识,合适入门学习。作者解说明晰齐备,运用实在的事例、风趣的图示把看起来深邃的思维原理讲得通俗易懂,深化浅出地带读者踏入GNN之门。
这部分内容包含GNN的根底常识如表征学习、图表征学习、图神经网络的概念;介绍用于节点分类的GNN、GNN的表达能力、怎么扩展GNN、怎么进步GNN鲁棒性等。
在学习根底常识之后,作者展现了GNN范畴的前沿办法,以及它与其他范畴的穿插影响。对想学习GNN进阶常识的读者来说,这部分应该特别注意一下。
第3部分包含图分类、链接猜测、图生成、图转化、图匹配、图结构学习、动态GNN、异质GNN、动机器学习、GNN:自监督学习等高阶内容。这些都是当下抢手研讨和评论的技能办法,具有必定的先进性。
在第4部分中,作者介绍了GNN的广泛和新式运用,合适那些想要把GNN运用到自己的实践事务或许项目傍边的读者阅览。
这部分包含现代引荐体系中的GNN、核算机视觉中的GNN、自然语言处理中的GNN、程序剖析中的GNN等方面,一同也介绍了GNN在生物医药、反常检测、才智城市等工作范畴的运用。
值得注意的是,本书内容都是模块化的,也就是说读者可以依据自己的喜好和需求有挑选性地进行学习。
这样又新又全的GNN理论与办法,既合适具有核算机科学布景的学生,又合适对概率、计算、图论、线性代数和机器学习技能(比方深度学习)有根本了解的读者。
也就是说本书既能作为高年级本科生和研讨生课程的教辅或参阅材料,供学生和教师运用;又能作为一本综合性手册,供研讨人员、专业人士等各类读者参阅。
假如读者想进一步取得更多与本书或许图神经网络有关的资源,可以拜访本书配套网站:。该网站的资源包含本书中英文在线预览版、讲座幻灯片以及订正等信息,一同还供给许多与图神经网络有关的揭露可用的材料和资源引证。
比方丰厚的GNN相关研讨会信息、教程、会议以及其他类型的视频内容等。读者可以将这些资源作为扩展,一同优异的GNN论文也可以协助读者进行更深化的了解和探究。
GNN是一个新式而展开昌盛的范畴,尽管机会较多,但面对的应战也不少。想要在该范畴发挥一番拳脚,有一本专业的辅导书本很重要。
这本《图神经网络:根底、前沿与运用》当令呈现,给了广阔GNN喜好和研讨者一个很好的挑选。从理论根底,到前沿研讨,再到实践运用,它专业地向读者展现了GNN这一精彩国际。
[4]吴凌飞 ,崔鹏 ,裴健 ,赵亮.图神经网络:根底、前沿与运用.北京.人民邮电出书社:2022
特别声明:以上内容(如有图片或视频亦包含在内)为自媒体渠道“网易号”用户上传并发布,本渠道仅供给信息存储服务。
记者查询:多人证明“海南临高13岁女孩被霸凌” 目击者称“她其时被打懵了”
80% 打工人或被推翻!OpenAI 发布重磅研讨,这些工作最简单被 ChatGPT 涉及 附具体清单
苹果 Apple Watch 新专利:可衔接健身器材,供给更详实健身数据