查看: 6656|回复: 4

[书籍资源] 深入浅出图神经网络-解读GNN原理

字体大小: 正常放大

madio

3万主题	1307 听众	5万积分

TA的每日心情

	奋斗 2021-5-1 20:26

签到天数: 2013 天

[LV.Master]伴坛终老

自我介绍: 数学中国站长

群组: 数学建模培训课堂1

群组: 数学中国美赛辅助报名

群组: Matlab讨论组

群组: 2013认证赛A题讨论群组

群组: 2013认证赛C题讨论群组

电梯直达

1^#

发表于 2020-11-24 09:21 |只看该作者 |倒序浏览

|招呼Ta 关注Ta |邮箱已经成功绑定

第一部分为基础篇，包括第1～4章，其中第1章中笔者撰写，第2～4章由李彦霖撰写。主要介绍学习图神经网络所需的基础知识，包括图的基本概念、卷积神经网络以及表示学习，帮助初学者更加清晰地认识到图神经网络技术与深度学习技术是一脉相承的。第二部分为高级篇，包括第5～9章。这部分是本书的重点，主要讲解图卷积神经网络的理论基础和性质、图神经网络的各种变体和框架范式、图分类以及基于GNN的图表示学习。该部分的各章节都有相关的实践案例，为读者规划了完整的从理论到实践的学习路线，帮助读者系统全面地学习图神经网络。这部分有两位作者，理论部分由笔者撰写，实践案例的代码由李彦霖提供。第三部分为应用篇，即第10章，主要介绍了图神经网络目前的一些应用。图神经网络的应用非常广泛，现实应用场景非常多，但鉴于本书的规划，这里只是略着笔墨，旨在抛砖引玉，让读者对应用场景有一定的认知。这部分由周洋撰写。最后，每个章节都附有相关的参考文献。本书特色本书有如下特色：（1）详细阐述了图卷积模型的由来，以及什么是频域图卷积和空域图卷积，这是很多初学者学习该技术的第一只“拦路虎”；（2）集中阐述了图卷积模型的性质，这些性质的解读对读者深入地理解图神经网络技术有着重要的作用；（3）给出了关键部分的代码，希望能辅助读者清晰理解书中的一些公式里的变量的具体含义。（4）本书为了帮助读者理解图神经网络的相关概念和技术，提供了很多示意图。勘误和支持由于作者的水平有限，编写时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。如果你遇到任何问题，可以访问我们专门为本书创建的技术主页https://github.com/FighterLYL/GraphNeuralNetwork，我们将尽量为读者提供满意的解答。如果你有更多宝贵的意见，也欢迎发送邮件至邮箱yfc@hzbook.com，期待能够得到你们的真挚反馈。