官术网_书友最值得收藏!

基于信息增強的圖神經網絡學習方法研究
會員

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,提出了一種基于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,提出了一種基于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,提出了一種基于注意力機制的圖對比學習模型;第7章總結全書并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,也可作為高等院校計算機、人工智能等專業本科生與研究生的學習參考書。

王杰 ·人工智能 ·8.1萬字

QQ閱讀手機版

主站蜘蛛池模板: 博罗县| 虹口区| 阿鲁科尔沁旗| 鸡泽县| 怀远县| 遵化市| 姚安县| 宁都县| 华容县| 平泉县| 两当县| 禹城市| 稻城县| 枣阳市| 宜都市| 临安市| 邯郸市| 集贤县| 定结县| 昌邑市| 苏尼特左旗| 泾阳县| 镇原县| 通河县| 临泉县| 沭阳县| 饶阳县| 新巴尔虎右旗| 都匀市| 大名县| 巢湖市| 昭平县| 磴口县| 虹口区| 铜川市| 香港 | 乾安县| 金门县| 射洪县| 嘉鱼县| 广元市|