【赠书】从深度学习到图神经网络:模型与实践

文章目录

  • 赠书:《从深度学习到图神经网络:模型与实践》
  • 一、编辑推荐
  • 二、内容简介
  • 三、作者简介
    • 张玉宏
    • 杨铁军
  • 四、精彩书评
  • 五、目录
    • 第1章 图上的深度学习 1
      • 1.1 人工智能与深度学习 2
      • 1.2 图神经网络时代的来临 6
      • 1.3 图数据处理面临的挑战 9
      • 1.4 图神经网络的应用层面 12
      • 1.5 图神经网络的发展简史 15
      • 1.6 图神经网络的模块与分类 20
      • 1.7 本章小结 23
      • 参考资料 24
    • 第2章 图神经网络的数学基础 27
      • 2.1 矩阵论基础 28
      • 2.2 图论基础 43
      • 2.3 谱图论基础 65
      • 2.4 本章小结 80
      • 参考资料 80
    • 第3章 神经网络学习与算法优化 82
      • 3.1 人工神经网络的缘起 83
      • 3.2 神经网络的第一性原理 84
      • 3.3 感知机模型与前馈神经网络 87
      • 3.4 更强表征能力的多层感知机 91
      • 3.5 不可或缺的激活函数 93
      • 3.6 损失函数 100
      • 3.7 神经网络的训练 105
      • 3.8 优化算法的分类 109
      • 3.9 本章小结 112
      • 参考资料 113
    • 第4章 深度学习基础 115
      • 4.1 深度学习时代的兴起 116
      • 4.2 卷积神经网络 118
      • 4.3 可圈可点的卷积层 120
      • 4.4 降维减负的汇聚层 131
      • 4.5 不可或缺的全连接层 135
      • 4.6 防止过拟合 136
      • 4.7 本章小结 143
      • 参考资料 143
    • 第5章 神经网络中的表示学习 145
      • 5.1 表示学习的背景 146
      • 5.2 离散表示与独热编码 148
      • 5.3 分布式表示与神经网络 150
      • 5.4 自编码器中的表示学习 153
      • 5.5 嵌入表示与Word2vec 161
      • 5.6 词嵌入实战 171
      • 5.7 本章小结 179
      • 参考资料 180
    • 第6章 面向图数据的嵌入表示 182
      • 6.1 图嵌入概述 183
      • 6.2 DeepWalk的原理 184
      • 6.3 基于DeepWalk的维基百科相似网页检测 198
      • 6.4 LINE模型 208
      • 6.5 Node2vec 211
      • 6.6 Metapath2vec 215
      • 6.7 本章小结 218
      • 参考资料 219
    • 第7章 初代图神经网络 221
      • 7.1 初代图神经网络的诞生 222
      • 7.2 GNN中的数据聚合 222
      • 7.3 初代GNN的工作原理 225
      • 7.4 初代图神经网络的局限性 235
      • 7.5 本章小结 235
      • 参考资料 236
    • 第8章 空域图卷积神经网络 238
      • 8.1 图卷积神经网络概述 239
      • 8.2 MPNN模型 244
      • 8.3 GCN与CNN的关联 245
      • 8.4 图卷积节点分类实践 248
      • 8.5 GraphSAGE 263
      • 8.6 基于GraphSAGE的实践 273
      • 8.7 本章小结 283
      • 参考资料 284
    • 第9章 谱域图卷积神经网络 286
      • 9.1 傅里叶变换 287
      • 9.2 图傅里叶变换 2909.3 谱域视角下的图卷积 296
      • 9.4 基于谱域GCN的演进 300
      • 9.5 Karate Club图卷积分类实践 308
      • 9.6 本章小结 323
      • 参考资料 323
  • 六、前言
  • 七、送书活动
  • 八、获奖名单

赠书:《从深度学习到图神经网络:模型与实践》

在这里插入图片描述

一、编辑推荐

  • 本书从深度学习到图神经网络,涉及的理论知识全面细致,内含数学基础、优化算法、卷积神经网络、表示学习、嵌入表示、空域图卷积神经网络、谱域图卷积神经网络等。
  • 本书写作风格通俗易懂,可读性非常高,图文并茂、深入浅出。即使是没有基础的高校学生和AI初阶从业者,也能很容易地通过本书入门,降低了前沿知识的学习门槛。
  • 本书内含数十个代码范例,所有代码片段均可获得,学习过程中可以同时上机实践,效率倍增。

二、内容简介

  近年来,深度学习在人工智能的发展过程中起到了举足轻重的作用,而图神经网络是人工智能领域的一个新兴方向,被称为图上的深度学习
  本书详细介绍了从深度学习到图神经网络的基础概念和前沿技术,包括图上的深度学习、图神经网络的数学基础、神经网络学习与算法优化、深度学习基础、神经网络中的表示学习、面向图数据的嵌入表示、初代图神经网络、空域及谱域图卷积神经网络等内容。为增强可读性,本书叙述清晰、内容深入浅出、图文并茂,力求降低初学者的学习难度。

  本书既可作为人工智能领域研究和开发人员的技术参考书,也可作为对图上的深度学习感兴趣的高年级本科生和研究生的入门书

三、作者简介

张玉宏

  张玉宏,博士毕业于电子科技大学,大数据分析师(高级),2009—2011年美国西北大学访问学者,2019—2020年美国IUPUI高级访问学者,CCF郑州分部执行委员,CFF公益大使。现执教于河南工业大学,主要研究方向为人工智能、大数据等。发表学术论文30余篇,先后撰写《深度学习之美:AI时代的数据处理与最佳实践》《Python极简讲义:一本书入门数据分析与机器学习》等科技图书15部。

杨铁军

  杨铁军,博士,教授,博士生导师,河南省电子学会副理事长,河南省高等学校电子信息类专业教学指导委员会副主任委员,河南省数字政府建设专家委员会委员。主要研究方向:医学图像处理、粮食信息处理。

四、精彩书评

  图神经网络是近年来的热门研究方向之一。进入大语言模型时代,如何继续开展相关的研究,备受业界关注。本书系统介绍了从深度学习到图神经网络的发展历程、代表性模型及前沿进展,对于想要了解和学习图神经网络的高校师生、工程师来说,颇具参考价值。
王昊奋,同济大学百人计划特聘研究员、博士生导师、OpenKG联合创始人

  相比于只处理向量和矩阵等结构化数据的传统神经网络,图神经网络能够更好地处理复杂的非结构化数据,并在许多领域有着广泛应用。本书在介绍图神经网络时理论与实践并重、深入且易读,同时结合前沿,使人眼界开阔。相信这本书会让人工智能领域的专业人员,以及对图上深度学习感兴趣的高校科研人员获益。
李鑫,科大讯飞AI研究院副院长、科研部部长

  近年来,图深度学习获得了学术界的广泛关注,并在工业界的许多应用中取得了革命性的进展。本书详细介绍了图深度学习的相关知识,包括基础概念和前沿算法,深入浅出,图文并茂,具有较强的可读性。本书对图深度学习的初学者非常友好,适合相关领域的研发人员阅读、学习和探索。
王怡琦,国防科技大学计算机学院助理研究员

  张玉宏博士是我认识多年的老朋友。他所著多本科技类图书均以可读性强、通俗易懂著称,这本《从深度学习到图神经网络:模型与实践》依然延续了这个风格。无论是想进行AI前沿科学普及,还是想提升自己的图神经网络学术水平,都适合阅读本书!
July,七月在线创始人兼CEO、CSDN千万级流量博主

五、目录

第1章 图上的深度学习 1

1.1 人工智能与深度学习 2

1.2 图神经网络时代的来临 6

1.3 图数据处理面临的挑战 9

1.4 图神经网络的应用层面 12

1.5 图神经网络的发展简史 15

1.6 图神经网络的模块与分类 20

1.7 本章小结 23

参考资料 24

第2章 图神经网络的数学基础 27

2.1 矩阵论基础 28

2.2 图论基础 43

2.3 谱图论基础 65

2.4 本章小结 80

参考资料 80

第3章 神经网络学习与算法优化 82

3.1 人工神经网络的缘起 83

3.2 神经网络的第一性原理 84

3.3 感知机模型与前馈神经网络 87

3.4 更强表征能力的多层感知机 91

3.5 不可或缺的激活函数 93

3.6 损失函数 100

3.7 神经网络的训练 105

3.8 优化算法的分类 109

3.9 本章小结 112

参考资料 113

第4章 深度学习基础 115

4.1 深度学习时代的兴起 116

4.2 卷积神经网络 118

4.3 可圈可点的卷积层 120

4.4 降维减负的汇聚层 131

4.5 不可或缺的全连接层 135

4.6 防止过拟合 136

4.7 本章小结 143

参考资料 143

第5章 神经网络中的表示学习 145

5.1 表示学习的背景 146

5.2 离散表示与独热编码 148

5.3 分布式表示与神经网络 150

5.4 自编码器中的表示学习 153

5.5 嵌入表示与Word2vec 161

5.6 词嵌入实战 171

5.7 本章小结 179

参考资料 180

第6章 面向图数据的嵌入表示 182

6.1 图嵌入概述 183

6.2 DeepWalk的原理 184

6.3 基于DeepWalk的维基百科相似网页检测 198

6.4 LINE模型 208

6.5 Node2vec 211

6.6 Metapath2vec 215

6.7 本章小结 218

参考资料 219

第7章 初代图神经网络 221

7.1 初代图神经网络的诞生 222

7.2 GNN中的数据聚合 222

7.3 初代GNN的工作原理 225

7.4 初代图神经网络的局限性 235

7.5 本章小结 235

参考资料 236

第8章 空域图卷积神经网络 238

8.1 图卷积神经网络概述 239

8.2 MPNN模型 244

8.3 GCN与CNN的关联 245

8.4 图卷积节点分类实践 248

8.5 GraphSAGE 263

8.6 基于GraphSAGE的实践 273

8.7 本章小结 283

参考资料 284

第9章 谱域图卷积神经网络 286

9.1 傅里叶变换 287

9.2 图傅里叶变换 2909.3 谱域视角下的图卷积 296

9.4 基于谱域GCN的演进 300

9.5 Karate Club图卷积分类实践 308

9.6 本章小结 323

参考资料 323

六、前言

做一名有趣的知识搬运工

很多年前有句广告语——“我们不生产水,我们只是大自然的搬运工”,令我印象深刻。

我之所以会对它印象深刻,是因为我也是一名“搬运工”,套用那句广告词:“我不生产知识,我只是知识的搬运工。”

这个定位和我的职业是匹配的。我是一名教师,传道授业解惑,本就是在传播价值、传递知识,而这些价值和知识大多数都不是教师自己创造和生成的。

然而,要想做一名有趣的知识搬运工也是不容易的。因为先把知识搞明白,再把知识给他人讲明白,并尽量有趣,也需要做时间的朋友——这些经验都需要通过大量的时间来慢慢积累。

如果只是搬运简单的知识,自然不足挂齿。但问题是,如果我们搬运的知识是当前领域的前沿知识呢?这就很具有挑战性了,它需要你走出已有知识的舒适区,挑战未知。

深度学习和图神经网络是人工智能研究的前沿,作为一名相关领域的终身学习者,不掌握岂不可惜?但如何能快速掌握图神经网络的基础理论呢?我想到了费曼学习法。

费曼学习法告诉我们:只有你给别人讲清楚了,你才能理解得更透彻(If you can’t explain it simply, you don’t understand it well enough.)

七、送书活动

  本次送书 1-5 本,评论区抽取1-5位幸运观众。

  • 活动时间:截止 2024-03-23 13:03
  • 抽奖方式:玄学抽奖~
  • 参与方式关注、点赞、收藏,随意评论,尽量不要被折叠
  • 也可以访问链接进行自主购买哦~
    • 京东: 购买链接传送门
      在这里插入图片描述

八、获奖名单

名单公布时间 不早于: 2024-03-24 14:04

(嘿嘿,绝对误差: ± 24 h \pm24h ±24h)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/466404.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

AS-V1000视频监控平台如何加强系统安全,满足等保2.0规范要求

目 录 一、概述 (一)信息安全技术网络安全等级保护标准 (二)解读 1、等级保护工作的内容 2、等级保护的等级划分 3、不同等级的安全保护能力 第一级安全保护能力 第二级安全保护能力 第三级安全保护能力 第…

电子科技大学链时代工作室招新题C语言部分---题号D

1. 题目 这道题大概的意思就是对一个整形数组的元素进行排序,然后按新的顺序打印原本的下标; 例如,在题目给出的Note部分,{a1, a2, a3, a4, a5}进行排序之后变为了{a2, a1, a4, a3, a5},于是输出2 1 4 3 5。 排序的规则…

MyBatisPlus中MetaObjectHandler的使用

系列文章目录 文章目录 系列文章目录前言前言 前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站,这篇文章男女通用,看懂了就去分享给你的码吧。 起因是公司一个同事接到需求,让把一条数据录入时createTime字段,设置为…

DM数据库(docker)

docker安装 安装必要的系统工具 yum install -y yum-utils device-mapper-persistent-data lvm2 配置阿里云Docker Yum源: yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo 更新yum缓存 yum makecache fast 安装docker-CE: y…

抛弃Superhuman?这些替代方案让你眼前一亮!

Superhuman是一个极好的人工智能工具在电子邮件助理领域。根据SimilarWeb的最新统计,它在全球网站排名中排名第21980位,月访问量为1751798。然而市场上还有许多其他优秀的选择。为了帮助您找到最适合您需求的解决方案,我们为您精心挑选了10种…

海淘注意事项,海淘虚拟卡

2024年海淘visa信用卡,点击获取卡片 海淘注意事项 海淘(跨境购物)可以让人们在国外购买到更多种类的商品,但是也需要注意一些事项,以确保购物的顺利进行和商品的质量。以下是一些建议: 海淘网站的选择&…

零代码编程:用kimichat合并一个文件夹下的多个文件

一个文件夹里面有很多个srt字幕文件,如何借助kimichat来自动批量合并呢? 在kimichat对话框中输入提示词: 你是一个Python编程专家,完成如下的编程任务: 这个文件夹:D:\downloads\life.on.our.planet.(202…

C++中的using关键字

1. 类型别名 using关键字可以用来为类型创建一个新的名字,这在代码的可读性和维护性方面非常有帮助。 // 定义类型别名 using IntPtr int*;// 使用 int value 5; IntPtr ptr &value;2. 命名空间别名 如果你正在使用一个非常长的命名空间,可以使…

如何在MT4平台查询自己的账户杠杆?

如何在MT4平台查询自己的账户杠杆?MT4中直接没有这个选项,犟嘴的投资者千万不要犟嘴,说可以根据保证金水平计算。其实在交易账户中有3中方法可以查询自己的账户,投资者可以在这里开立一个MT4帐户,并将其附加到具有登录名和密码的…

Jenkins-pipeline流水线构建完钉钉通知

添加钉钉机器人 在钉钉群设置里添加机器人拿出Webhook地址,设置关键词 Jenkins安装钉钉插件 Dashboard > 系统管理 > 插件管理,搜索构建通知,直接搜索Ding Talk也行 安装DingTalk插件,重启Jenkins 来到Dashboard > 系…

想要了解更多商品信息?淘宝天猫详情接口API助你一键搞定!

想要了解更多商品信息?淘宝天猫详情接口API是你的理想选择!作为唯一提供官方商品数据的接口,它能够帮助你快速获取商品的多种详细信息,联讯数据让你在购物过程中做出更明智的决策。 简介:淘宝天猫详情接口API的功能及…

普通人搞副业,空闲时间做,月入5w+

我是电商珠珠 大家会发现,朱砂越来越火,不仅是因为它好看,而且商家对外扬言可以招财。现在的人对爱情不屑一顾,财神殿里可以长跪不起,人人都想求财,想要在空余时间搞副业赚大钱,但做什么还没有…

客服知识库到底好用在哪?企业真的需要吗?

在企业运营的众多环节中,客户服务无疑是至关重要的一环。然而,面对如洪水般涌入的客户问题和查询,你的客服团队是否能够做到快速应对,准确解答?这时,一个客服知识库就显得尤为重要。那么,客服知…

Java项目实战记录:雷达数据渲染

目录 Java项目实战记录:雷达数据渲染业务背景代码逻辑数据结构颜色渲染MapContent加载数据并输出截图 完整代码GenerateMapImage地图渲染工具测试代码 渲染效果 Java项目实战记录:雷达数据渲染 业务背景 我之前已经成功使用Java语言解析了C处理的雷达数…

Linux编程4.8 网络编程-建立连接

1、服务器端 #include <sys/types.h> #include <sys/socket.h>int listen(int sockfd, int backlog);返回&#xff1a;成功返回0&#xff0c;出错返回-1。参数&#xff1a;sockfd:套接字的文件描述符backlog:定义了sockfd的挂起连接队列可能增长的最大长度。…

鸿蒙4.0ArkUI快速入门(一)应用模型

ArkUI篇 应用模型Stage模型FA模型模型对比 应用模型 应用模型是HarmonyOS为开发者提供的应用程序所需能力的抽象提炼&#xff0c;它提供了应用程序必备的组件和运行机制。 HarmonyOS先后提供了两种应用模型&#xff1a; FA&#xff08;Feature Ability&#xff09;模型&…

Vue多文件学习项目综合案例——小兔鲜,黑马vue教程

文章目录 一、项目截图二、主要知识点三、Main.js四、App.vue五、componentsXtxBanner.vueXtxFooter.vueXtxHeaderNav.vueXtxHotBrand.vueXtxNewGoods.vueXtxShortCut.vueXtxTopic.vue 六、stylesbase.csscommon.css 一、项目截图 二、主要知识点 把静态页面拆分成一个个vue组…

Axure软件安装汉化教程

Axure软件安装汉化教程 一、准备教程 下载Axure的软件&#xff0c;并解压打开 二、安装过程 双击Axure软件的运行程序&#xff0c;修改安装程序的路径&#xff0c;默认下一步即可。 三、软件汉化 打开Axure的软件安装路径&#xff0c;将汉化包复制粘贴进入到Axure RP 9安装…

Web入门

一Spring简单介绍&#xff1a; Spring Boot 是基于Spring的但是&#xff0c;Spring更为简单高效。 1.2Spring Boot快速入门&#xff1a; 二HTTP协议&#xff1a; 2.1HTTP协议概述 2.2请求协议 <!DOCTYPE html> <html lang"en"> <head><meta ch…

Linux部署DockerUI结合内网穿透实现远程管理本地Docker容器

文章目录 前言1. 安装部署DockerUI2. 安装cpolar内网穿透3. 配置DockerUI公网访问地址4. 公网远程访问DockerUI5. 固定DockerUI公网地址 前言 DockerUI是一个docker容器镜像的可视化图形化管理工具。DockerUI可以用来轻松构建、管理和维护docker环境。它是完全开源且免费的。基…