基於信息增強的圖神經網絡學習方法研究

王傑

基於信息增強的圖神經網絡學習方法研究
  • 出版商: 電子工業
  • 出版日期: 2025-02-01
  • 定價: $408
  • 售價: 8.5 折 $347
  • 語言: 簡體中文
  • 頁數: 136
  • ISBN: 7121493527
  • ISBN-13: 9787121493522
  • 相關分類: Machine Learning

    • 立即出貨 (庫存=1)

買這商品的人也買了...

相關主題

商品描述

本書深入剖析了圖神經網絡領域所面臨的兩大核心挑戰：深度加深模型退化和監督信息過度依賴。針對這兩大挑戰，本書提出了一系列解決思路，涵蓋模型結構設計、訓練策略優化等方面的內容。全書共7章，第1章主要介紹了圖神經網絡研究的背景與意義，闡述了近年來國內外網絡表示學習與圖神經網絡的研究現狀，分析了圖神經網絡當前面臨的挑戰及其主要問題等；第2章主要對圖神經網絡進行概要論述，包括基礎的理論、典型的模型方法及應用；第3章針對圖神經網絡在節點聚合過程中面臨的節點鄰域混雜的問題，提出了一種基於混合階的圖神經網絡模型；第4章針對圖神經網絡在節點交互過程中面臨的全局結構信息缺失問題，提出了一種基於拓撲結構自適應的圖神經網絡模型；第5章針對自監督信息缺失且包含噪聲的問題，提出了一種圖結構與節點屬性聯合學習的變分圖自編碼器模型；第6章針對節點自監督信息貢獻不做區分的問題，提出了一種基於註意力機制的圖對比學習模型；第7章總結全書並對圖神經網絡可能的研究方向進行展望。 本書可供從事人工智能、數據挖掘、機器學習及網絡數據分析等相關領域的科研及工程人員參考，也可作為高等院校電腦、人工智能等專業本科生與研究生的學習參考書。

目錄大綱

目 錄
第 1 章 緒論
1.1 圖神經網絡研究的背景及意義
1.2 網絡表示學習與圖神經網絡國內外研究現狀
1.2.1 基於矩陣特徵向量的方法
1.2.2 基於隨機遊走的方法
1.2.3 基於矩陣分解的方法
1.4 研究內容和組織結構
1.5 本章小結
第 2 章 圖神經網絡
2.1 神經網絡基礎
2.1.1 神經元模型與感知機
2.1.2 前饋神經網絡
2.1.3 捲積神經網絡
2.1.4 循環神經網絡
2.1.5 自編碼器
2.2 圖數據
2.2.1 生活生產中的圖數據
2.2.2 圖數據的分類
2.2.3 圖任務
2.3 圖神經網絡方法
2.3.1 圖捲積神經網絡
2.3.2 圖註意力網絡
2.3.3 圖自編碼器
2.4 圖神經網絡的應用
2.4.1 在電腦視覺領域的應用
2.4.2 在自然語言處理領域的應用
2.4.3 在生物化學領域的應用
2.4.4 在物理學領域的應用
2.5 本章小結
第 3 章 基於混合階的圖神經網絡模型
3.1 引言
3.2 基於混合階的圖神經網絡模型介紹
3.2.1 符號及其含義
3.2.2 總體框架
3.2.3 基於圖捲積神經網絡學習器模塊
3.2.4 集成模塊
3.3 實驗分析
3.3.1 實驗設置
3.3.2 實驗結果
3.4 本章小結
第 4 章 基於拓撲結構自適應的圖神經網絡模型
4.1 引言
4.2 基於拓撲結構自適應的圖神經網絡模型介紹
4.2.1 符號及其含義
4.2.2 總體框架
4.2.3 邊強度計算模塊
4.2.4 有指導去邊模塊
4.2.5 圖神經網絡學習器模塊
4.2.6 時間復雜度分析
4.2.7 理論分析
4.3 實驗分析
4.3.1 實驗設置
4.3.2 實驗結果
4.4 本章小結
第 5 章 圖結構與節點屬性聯合學習的變分圖自編碼器模型
5.1 引言
5.2 預備知識
5.2.1 符號及其含義
5.2.2 圖捲積神經網絡
5.2.3 圖信號處理
5.3 圖結構與節點屬性聯合學習的變分圖自編碼器模型介紹
5.3.1 總體框架
5.3.2 編碼器
5.3.3 解碼器
5.3.4 優化過程
5.4 實驗分析
5.4.1 實驗設置
5.4.2 實驗結果
5.5 本章小結
第 6 章 基於註意力機制的圖對比學習模型
6.1 引言
6.2 預備知識
6.2.1 符號及其含義
6.2.2 圖對比學習
6.3 基於註意力機制的圖對比學習模型介紹
6.3.1 圖增廣模塊
6.3.2 節點嵌入模塊
6.3.3 半監督圖對比學習模塊
6.3.4 優化處理模塊
6.3.5 復雜度分析
6.3.6 收斂性分析
6.4 實驗分析
6.4.1 實驗設置
6.4.2 實驗結果
6.5 本章小結
第 7 章 總結與展望
參考文獻
後記

類似商品