图神经网络20年新-深度学习图神经网络模型

本介绍

    本书涵盖了开发用于图结构化数据的深度学习技术的全面内容，其中重点是图神经网络（GNN）。详细介绍了GNN模型的基础，包括两个主要的构建操作：图形过滤（graph filtering）和池化操作（pooling operation）。然后，我们讨论GNN的鲁棒性和可伸缩性，这对于在实际应用中利用GNN极为重要。

 

    本最新获取：https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247490467&idx=1&sn=2616c761401dc37a828cc893d6e04d67&chksm=97a0d077a0d75961234badd7042d33a132c7aa72b9746abe26c6e4d8688d0ede829a60a1b1b1&token=1634644937&lang=zh_CN#rd

 

    为了使深度学习技术能够在更广泛的设置下推进更多的图形任务，我们引入了超越GNN的众多深度图模型。我们还将介绍GNN在不同领域的最具代表性的应用，例如自然语言处理，计算机视觉，数据挖掘和医疗保健。这本书也是自成体系的，其中包括介绍图论和深度学习的一些基础的章节。

 

本书目录

内容截图

本最新获取：https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247490467&idx=1&sn=2616c761401dc37a828cc893d6e04d67&chksm=97a0d077a0d75961234badd7042d33a132c7aa72b9746abe26c6e4d8688d0ede829a60a1b1b1&token=1634644937&lang=zh_CN#rd