图深度学习.
本书全面介绍了图深度学习的基础理论、模型方法、实际应用和前沿进展。全书分为4篇，共 15 章。第1篇为基础理论，重点介绍图和深度学习的基础知识，包括图的关键概念和属性、各种基础的神经网络模型、训练深度学习模型的关键方法以及防止训练过程中过度拟合的实用技术;第2篇为模型方法，涵盖从基本设置到高级设置的成熟的图深度学习方法，包括图嵌入、图过滤和池化操作、图对抗攻击和图对抗防御技术、可扩展性图神经网络的代表性技术以及图神经网络之外的众多图深度模型;第3篇为实际应用，重点介绍具有代表性的实际应用，包括自然语言处理、计算机视觉、数据挖掘、生物化学与医疗健康等;第4篇为前沿进展，介绍有可能成为将来研究热点的高级方法和应用，包括表达性、深度、公平性、可解释性和自监督学习等内容。在组织结构方面，每章首先介绍写作动机，然后通过具体示例或技术细节介绍相应内容，最后提供更多的扩展阅读知识。
页:
[1]