裴健等权威学者联合撰写，一书读懂图神经网络的基础、前沿、应用 _博士

【裴健等权威学者联合撰写，一书读懂图神经网络的基础、前沿、应用】机器之心报道
机器之心编辑部

这本书称得上是目前为止图神经网络领域最为全面的卓越之作。

近年来，图神经网络 (GNN) 领域取得了快速且惊人的进展。图神经网络，也称为图深度学习、图表示学习或几何深度学习，已成为机器学习尤其是深度学习中发展最快的研究课题之一。这一批涌现的图论和深度学习交叉的研究也影响了其他科学领域，包括推荐系统、计算机视觉、自然语言处理、归纳逻辑编程、程序合成、软件挖掘、自动化规划、网络安全和智能交通。
虽然图神经网络已经获得了极大的关注，但在将其应用到其他领域时仍然面临着许多挑战，从对方法的理论理解到实际系统中的可扩展性和可解释性，从方法的健全性到在实际系统应用中的经验表现。尽管该领域实现了快速发展，从全局视角了解 GNN 的发展却始终极具挑战性。
为了弥合上述差距，吴凌飞、崔鹏、裴健、赵亮几位学者牵头编撰了一本图神经网络领域的综合性书籍。这本书历时近一年时间写作而成，全书由四大部分（引言，基础，前沿，应用）共 27 个章节组成，面向这一领域的高级本科生和研究生、博士后研究人员、讲师和行业从业者。
这是目前为止在图神经网络方面最为全面的一本书。本书涵盖了图神经网络的众多主题，从基础到前沿，从方法论到应用。这本书介绍了 GNN 的基本概念和算法、GNN 的研究前沿以及 GNN 的广泛应用和新兴应用。

文章图片

书籍的英文版已经在多个平台开启预订，中文版书籍将在 2022 年中期正式出版。目前已有免费公开版可供阅读。
书籍开源网站地址： https://graph-neural-networks.github.io/index.html
目录
第一部分：引言

第 1 章表示学习
第 2 章图表示学习
第 3 章图神经网络

第二部分：基础

第 4 章用于节点分类的图神经网络
第 5 章图神经网络的表达能力
第 6 章图神经网络：可扩展性
第 7 章图神经网络中的可解释性
第 8 章图神经网络：对抗鲁棒性

第三部分：前沿

第 9 章图神经网络：图分类
第 10 章图神经网络：链接预测
第 11 章图神经网络：图生成
第 12 章图神经网络：图变换
第 13 章图神经网络：图匹配
第 14 章图神经网络：图结构学习
第 15 章动态图神经网络
第 16 章异构图神经网络
第 17 章图神经网络：AutoML
第 18 章图神经网络：自监督学习

第四部分：应用

第 19 章现代推荐系统中的图神经网络
第 20 章计算机视觉中的图神经网络
第 21 章自然语言处理中的图神经网络
第 22 章程序分析中的图神经网络
第 23 章软件挖掘中的图神经网络
- 上一页
- 1
- 2
- 3
- 下一页
特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。