圖深度學(xué)習(xí)（全彩）

定　價(jià)：￥118.00

作　者：	馬耀，湯繼良著，王怡琦，金衛(wèi) 譯
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥118.00)

ISBN：	9787121394782	出版時(shí)間：	2021-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	320	字?jǐn)?shù)：

內(nèi)容簡介

　　本書全面介紹了圖深度學(xué)習(xí)的理論基礎(chǔ)、模型方法及實(shí)際應(yīng)用。全書分為4 篇，共15 章。第1 篇為基礎(chǔ)理論，重點(diǎn)介紹圖和深度學(xué)習(xí)的基礎(chǔ)知識，包括圖的關(guān)鍵概念和屬性、各種基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)模型、訓(xùn)練深度學(xué)習(xí)模型的關(guān)鍵方法以及防止訓(xùn)練過程中過度擬合的實(shí)用技術(shù)；第2 篇為模型方法，涵蓋了從基本設(shè)置到高級設(shè)置的成熟的圖深度學(xué)習(xí)方法，包括圖嵌入、圖過濾和池化操作、圖對抗攻擊和圖對抗防御技術(shù)、可擴(kuò)展性圖神經(jīng)網(wǎng)絡(luò)的代表性技術(shù)以及圖神經(jīng)網(wǎng)絡(luò)之外的眾多圖深度模型；第3 篇為實(shí)際應(yīng)用，重點(diǎn)介紹了具有代表性的實(shí)際應(yīng)用，包括自然語言處理、計(jì)算機(jī)視覺、數(shù)據(jù)挖掘、生物化學(xué)與醫(yī)療健康等；第4 篇為前沿進(jìn)展，介紹了有可能成為將來研究熱點(diǎn)的高級方法和應(yīng)用，主要從表達(dá)性、深度、公平性、可解釋性和自監(jiān)督學(xué)習(xí)等內(nèi)容。在組織結(jié)構(gòu)方面，每章首先介紹寫作動(dòng)機(jī)，然后通過具體示例或技術(shù)細(xì)節(jié)介紹相應(yīng)內(nèi)容，最后提供更多的擴(kuò)展閱讀知識。本書既適合對數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和社交網(wǎng)絡(luò)分析感興趣的本科生和研究生閱讀，也適合企業(yè)開發(fā)者和項(xiàng)目經(jīng)理閱讀。對于沒有計(jì)算機(jī)科學(xué)背景，但想要應(yīng)用圖神經(jīng)網(wǎng)絡(luò)來推進(jìn)其所在學(xué)科發(fā)展的研究人員，本書同樣是一本值得參考的讀物。

作者簡介

　　馬耀密歇根州立大學(xué)博士研究生。他將于2021年秋季學(xué)期作為助理教授加入新澤西理工學(xué)院。他是密歇根州立大學(xué)杰出博士生獎(jiǎng)以及FAST Fellowship的獲獎(jiǎng)?wù)?。他的研究興趣包括網(wǎng)絡(luò)嵌入和圖神經(jīng)網(wǎng)絡(luò)。他的論文多次發(fā)表在KDD、WWW、IJCAI、SIGIR和TKDE等數(shù)據(jù)挖掘頂級會(huì)議和期刊上。他在眾多知名會(huì)議（如ICML、 KDD、 AAAI和IJCAI等）以及雜志（如TKDD、TKDE和TPAMI等）擔(dān)任程序委員會(huì)委員以及審稿人。他是AAAI圖神經(jīng)網(wǎng)絡(luò)和KDD圖深度學(xué)習(xí)教學(xué)講座的第一組織者和演講者，這些教學(xué)講座都獲得了領(lǐng)域內(nèi)外的巨大關(guān)注和廣泛好評。湯繼良密西根州立大學(xué)助理教授。在這之前，他曾擔(dān)任雅虎研究院研究員，于2015年從亞利桑那州立大學(xué)取得博士學(xué)位。他在圖特征選擇、圖表征學(xué)習(xí)、圖深度學(xué)習(xí)以及它們在互聯(lián)網(wǎng)和社交媒體上的應(yīng)用方面做出了杰出貢獻(xiàn)。他曾經(jīng)獲得 SIGKDD新星獎(jiǎng)（Rising Star Award）、Withrow杰出研究獎(jiǎng)（Distinguished Withrow Research Award）、美國自然科學(xué)基金杰出青年獎(jiǎng)（NSF Career Award）、IJCAI早期焦點(diǎn)人物演講（IJCAI Early Career Talk）和包括KDD、WSDM等在內(nèi)的7項(xiàng)領(lǐng)域知名會(huì)議的最佳（或提名）論文獎(jiǎng)。他的博士論文獲得SIGKDD最佳博士論文（KDD Best Dissertation）亞軍和院長優(yōu)秀博士論文獎(jiǎng)（Dean’s Dissertation Award）。他是SIAM數(shù)據(jù)分析小組和ACM TKDD期刊的秘書長。他經(jīng)常當(dāng)任數(shù)據(jù)挖掘頂級會(huì)議的組織者和頂級期刊的編委。他的研究成果發(fā)表在領(lǐng)域頂級的期刊和會(huì)議上，現(xiàn)已獲得了超過14，000多次的引用（H指數(shù)為60）和媒體的廣泛關(guān)注和報(bào)道。王怡琦密歇根州立大學(xué)博士研究生。她的研究興趣主要集中在圖神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)及其應(yīng)用。她在計(jì)算機(jī)頂級會(huì)議（如KDD、EMNLP、WWW和AAAI等）上發(fā)表了多篇研究成果。她曾擔(dān)任AAAI、IJCAI和CIKM等國際知名會(huì)議的程序委員會(huì)委員。她曾參加組織KDD和AAAI圖深度學(xué)習(xí)專題教學(xué)講座，并擔(dān)任主要演講者，獲得了領(lǐng)域內(nèi)外的巨大關(guān)注和廣泛好評。金衛(wèi)密歇根州立大學(xué)博士研究生。他的研究興趣集中在圖神經(jīng)網(wǎng)絡(luò)，包括理論基礎(chǔ)、模型健壯性及應(yīng)用。他在KDD、AAAI、WSDM和WWW等計(jì)算機(jī)頂級會(huì)議上發(fā)表了多篇研究成果。他還是備受業(yè)內(nèi)關(guān)注的對抗攻擊和防御工具包DeepRobust的主要貢獻(xiàn)者。他曾擔(dān)任包括IJCAI和CIKM等國際知名會(huì)議的程序委員會(huì)委員。他曾參加組織AAAI圖深度學(xué)習(xí)專題教學(xué)講座和KDD神經(jīng)網(wǎng)絡(luò)對抗攻擊與防御專題教學(xué)講座，并擔(dān)任主要演講者，獲得了領(lǐng)域內(nèi)外的巨大關(guān)注和廣泛好評。

圖書目錄

目錄
第1 章緒論1
1.1 簡介2
1.2 圖深度學(xué)習(xí)的動(dòng)機(jī)2
1.3 本書內(nèi)容4
1.4 本書讀者定位6
1.5 圖特征學(xué)習(xí)的簡要發(fā)展史7
1.5.1 圖特征選擇8
1.5.2 圖表示學(xué)習(xí)9
1.6 小結(jié)10
1.7 擴(kuò)展閱讀11

第1 篇基礎(chǔ)理論
第2 章圖論基礎(chǔ)15
2.1 簡介16
2.2 圖的表示16
2.3 圖的性質(zhì)17
2.3.1 度17
2.3.2 連通度19
2.3.3 中心性21
2.4 譜圖論24
2.4.1 拉普拉斯矩陣24
2.4.2 拉普拉斯矩陣的特征值和特征向量26
2.5 圖信號處理27
2.6 復(fù)雜圖30
2.6.1 異質(zhì)圖30
2.6.2 二分圖30
2.6.3 多維圖31
2.6.4 符號圖32
2.6.5 超圖33
2.6.6 動(dòng)態(tài)圖33
2.7 圖的計(jì)算任務(wù)34
2.7.1 側(cè)重于節(jié)點(diǎn)的任務(wù)35
2.7.2 側(cè)重于圖的任務(wù)36
2.8 小結(jié)37
2.9 擴(kuò)展閱讀37
第3 章深度學(xué)習(xí)基礎(chǔ)39
3.1 簡介40
3.2 深度前饋神經(jīng)網(wǎng)絡(luò)41
3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)42
3.2.2 激活函數(shù)43
3.2.3 輸出層和損失函數(shù)45
3.3 卷積神經(jīng)網(wǎng)絡(luò)47
3.3.1 卷積操作和卷積層48
3.3.2 實(shí)際操作中的卷積層51
3.3.3 非線性激活層52
3.3.4 池化層53
3.3.5 卷積神經(jīng)網(wǎng)絡(luò)總體框架53
3.4 循環(huán)神經(jīng)網(wǎng)絡(luò)54
3.4.1 傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)55
3.4.2 長短期記憶網(wǎng)絡(luò)56
3.4.3 門控循環(huán)單元58
3.5 自編碼器59
3.5.1 欠完備自編碼器59
3.5.2 正則化自編碼器60
3.6 深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練61
3.6.1 梯度下降61
3.6.2 反向傳播62
3.6.3 預(yù)防過擬合64
3.7 小結(jié)65
3.8 擴(kuò)展閱讀65
第2 篇模型方法
第4 章圖嵌入69
4.1 簡介70
4.2 簡單圖的圖嵌入71
4.2.1 保留節(jié)點(diǎn)共現(xiàn)71
4.2.2 保留結(jié)構(gòu)角色80
4.2.3 保留節(jié)點(diǎn)狀態(tài)83
4.2.4 保留社區(qū)結(jié)構(gòu)84
4.3 復(fù)雜圖的圖嵌入86
4.3.1 異質(zhì)圖嵌入87
4.3.2 二分圖嵌入89
4.3.3 多維圖嵌入90
4.3.4 符號圖嵌入91
4.3.5 超圖嵌入93
4.3.6 動(dòng)態(tài)圖嵌入95
4.4 小結(jié)96
4.5 擴(kuò)展閱讀97
第5 章圖神經(jīng)網(wǎng)絡(luò)99
5.1 簡介100
5.2 圖神經(jīng)網(wǎng)絡(luò)基本框架102
5.2.1 側(cè)重于節(jié)點(diǎn)的任務(wù)的圖神經(jīng)網(wǎng)絡(luò)框架102
5.2.2 側(cè)重于圖的任務(wù)的圖神經(jīng)網(wǎng)絡(luò)框架103
5.3 圖濾波器104
5.3.1 基于譜的圖濾波器104
5.3.2 基于空間的圖濾波器114
5.4 圖池化120
5.4.1 平面圖池化120
5.4.2 層次圖池化121
5.5 圖卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)125
5.5.1 節(jié)點(diǎn)分類中的參數(shù)學(xué)習(xí)126
5.5.2 圖分類中的參數(shù)學(xué)習(xí)126
5.6 小結(jié)127
5.7 擴(kuò)展閱讀128
第6 章圖神經(jīng)網(wǎng)絡(luò)的健壯性129
6.1 簡介130
6.2 圖對抗攻擊130
6.2.1 圖對抗攻擊的分類131
6.2.2 白盒攻擊132
6.2.3 灰盒攻擊135
6.2.4 黑盒攻擊139
6.3 圖對抗防御142
6.3.1 圖對抗訓(xùn)練142
6.3.2 圖凈化144
6.3.3 圖注意力機(jī)制144
6.3.4 圖結(jié)構(gòu)學(xué)習(xí)148
6.4 小結(jié)149
6.5 擴(kuò)展閱讀149
第7 章可擴(kuò)展圖神經(jīng)網(wǎng)絡(luò)151
7.1 簡介152
7.2 逐點(diǎn)采樣法155
7.3 逐層采樣法158
7.4 子圖采樣法162
7.5 小結(jié)164
7.6 擴(kuò)展閱讀164
第8 章復(fù)雜圖神經(jīng)網(wǎng)絡(luò)165
8.1 簡介166
8.2 異質(zhì)圖神經(jīng)網(wǎng)絡(luò)166
8.3 二分圖神經(jīng)網(wǎng)絡(luò)168
8.4 多維圖神經(jīng)網(wǎng)絡(luò)168
8.5 符號圖神經(jīng)網(wǎng)絡(luò)170
8.6 超圖神經(jīng)網(wǎng)絡(luò)173
8.7 動(dòng)態(tài)圖神經(jīng)網(wǎng)絡(luò)174
8.8 小結(jié)175
8.9 擴(kuò)展閱讀175
第9 章圖上的其他深度模型177
9.1 簡介178
9.2 圖上的自編碼器178
9.3 圖上的循環(huán)神經(jīng)網(wǎng)絡(luò)180
9.4 圖上的變分自編碼器182
9.4.1 用于節(jié)點(diǎn)表示學(xué)習(xí)的變分自編碼器184
9.4.2 用于圖生成的變分自編碼器184
9.4.3 編碼器：推論模型185
9.4.4 解碼器: 生成模型186
9.4.5 重建的損失函數(shù)186
9.5 圖上的生成對抗網(wǎng)絡(luò)187
9.5.1 用于節(jié)點(diǎn)表示學(xué)習(xí)的生成對抗網(wǎng)絡(luò)188
9.5.2 用于圖生成的生成對抗網(wǎng)絡(luò)189
9.6 小結(jié)191
9.7 擴(kuò)展閱讀191
第3 篇實(shí)際應(yīng)用
第10 章自然語言處理中的圖神經(jīng)網(wǎng)絡(luò)195
10.1 簡介196
10.2 語義角色標(biāo)注196
10.3 神經(jīng)機(jī)器翻譯199
10.4 關(guān)系抽取199
10.5 問答系統(tǒng)200
10.5.1 多跳問答任務(wù)201
10.5.2 Entity-GCN 202
10.6 圖到序列學(xué)習(xí)203
10.7 知識圖譜中的圖神經(jīng)網(wǎng)絡(luò)205
10.7.1 知識圖譜中的圖濾波205
10.7.2 知識圖譜到簡單圖的轉(zhuǎn)換206
10.7.3 知識圖譜補(bǔ)全207
10.8 小結(jié)208
10.9 擴(kuò)展閱讀208
第11 章計(jì)算機(jī)視覺中的圖神經(jīng)網(wǎng)絡(luò)209
11.1 簡介210
11.2 視覺問答210
11.2.1 圖像表示為圖211
11.2.2 圖像和問題表示為圖212
11.3 基于骨架的動(dòng)作識別214
11.4 圖像分類215
11.4.1 零樣本圖像分類216
11.4.2 少樣本圖像分類217
11.4.3 多標(biāo)簽圖像分類218
11.5 點(diǎn)云學(xué)習(xí)219
11.6 小結(jié)220
11.7 擴(kuò)展閱讀220
第12 章數(shù)據(jù)挖掘中的圖神經(jīng)網(wǎng)絡(luò)221
12.1 簡介222
12.2 萬維網(wǎng)數(shù)據(jù)挖掘222
12.2.1 社交網(wǎng)絡(luò)分析222
12.2.2 推薦系統(tǒng)225
12.3 城市數(shù)據(jù)挖掘229
12.3.1 交通預(yù)測229
12.3.2 空氣質(zhì)量預(yù)測231
12.4 網(wǎng)絡(luò)安全數(shù)據(jù)挖掘231
12.4.1 惡意賬戶檢測231
12.4.2 虛假新聞檢測233
12.5 小結(jié)234
12.6 擴(kuò)展閱讀234
第13 章生物化學(xué)和醫(yī)療健康中的
圖神經(jīng)網(wǎng)絡(luò)235
13.1 簡介236
13.2 藥物開發(fā)與發(fā)現(xiàn)236
13.2.1 分子表示學(xué)習(xí)236
13.2.2 蛋白質(zhì)相互作用界面預(yù)測237
13.2.3 藥物–靶標(biāo)結(jié)合親和力預(yù)測239
13.3 藥物相似性整合240
13.4 復(fù)方藥物副作用預(yù)測242
13.5 疾病預(yù)測244
13.6 小結(jié)245
13.7 擴(kuò)展閱讀245
第4 篇前沿進(jìn)展
第14 章圖神經(jīng)網(wǎng)絡(luò)的高級方法249
14.1 簡介250
14.2 深層圖神經(jīng)網(wǎng)絡(luò)250
14.2.1 Jumping Knowledge 252
14.2.2 DropEdge 253
14.2.3 PairNorm 253
14.3 通過自監(jiān)督學(xué)習(xí)探索未標(biāo)記數(shù)據(jù)253
14.3.1 側(cè)重于節(jié)點(diǎn)的任務(wù)254
14.3.2 側(cè)重于圖的任務(wù)256
14.4 圖神經(jīng)網(wǎng)絡(luò)的表達(dá)能力257
14.4.1 WL 測試258
14.4.2 表達(dá)能力259
14.5 小結(jié)260
14.6 擴(kuò)展閱讀260
第15 章圖神經(jīng)網(wǎng)絡(luò)的高級應(yīng)用261
15.1 簡介262
15.2 圖的組合優(yōu)化262
15.3 學(xué)習(xí)程序表示264
15.4 物理學(xué)中相互作用的動(dòng)力系統(tǒng)推斷265
15.5 小結(jié)266
15.6 擴(kuò)展閱讀266
參考文獻(xiàn)267
索引295