圖神經(jīng)網(wǎng)絡(luò) : 基礎(chǔ)、前沿與應(yīng)用
本書致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，
涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，
從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場景方方面面的內(nèi)容。
★編輯推薦：
對人工智能來說，圖神經(jīng)網(wǎng)絡(luò)有可能是將概率學(xué)習(xí)與符號推理結(jié)合起來的一種工具，有可能成為將數(shù)據(jù)驅(qū)動與知識驅(qū)動結(jié)合起來的一座橋梁，有望推動第三代人工智能的順利發(fā)展。本書是一本內(nèi)容豐富、全面和深入介紹圖神經(jīng)網(wǎng)絡(luò)的書籍，致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，旨在涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場景方方面面的內(nèi)容。對于所有需要了解這個領(lǐng)域或掌握這種方法與工具的科學(xué)家、工程師和學(xué)生都是一部很好的參考書。
★內(nèi)容簡介：
全書分為四部分：
第一部分介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念；
第二部分討論圖神經(jīng)網(wǎng)絡(luò)成熟的方法；
第三部分...
本書致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，
涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，
從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場景方方面面的內(nèi)容。
★編輯推薦：
對人工智能來說，圖神經(jīng)網(wǎng)絡(luò)有可能是將概率學(xué)習(xí)與符號推理結(jié)合起來的一種工具，有可能成為將數(shù)據(jù)驅(qū)動與知識驅(qū)動結(jié)合起來的一座橋梁，有望推動第三代人工智能的順利發(fā)展。本書是一本內(nèi)容豐富、全面和深入介紹圖神經(jīng)網(wǎng)絡(luò)的書籍，致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，旨在涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場景方方面面的內(nèi)容。對于所有需要了解這個領(lǐng)域或掌握這種方法與工具的科學(xué)家、工程師和學(xué)生都是一部很好的參考書。
★內(nèi)容簡介：
全書分為四部分：
第一部分介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念；
第二部分討論圖神經(jīng)網(wǎng)絡(luò)成熟的方法；
第三部分介紹圖神經(jīng)網(wǎng)絡(luò)典型的前沿領(lǐng)域；
第四部分描述可能對圖神經(jīng)網(wǎng)絡(luò)未來研究比較重要和有前途的方法與應(yīng)用的進展情況。
※本書適合高年級本科生和研究生、博士后研究人員、講師以及行業(yè)從業(yè)者閱讀與參考。
☆吳凌飛博士
畢業(yè)于美國公立常春藤盟校之一的威廉與瑪麗學(xué)院計算機系。目前他是Pinterest公司主管知識圖譜和內(nèi)容理解的研發(fā)工程經(jīng)理。曾任京東硅谷研究中心的首席科學(xué)家和IBM Thomas J. Vatson Research Centerl的高級研究員。主要研究方向是機器學(xué)習(xí)、表征學(xué)習(xí)和自然語言處理的有機結(jié)合，在圖神經(jīng)網(wǎng)絡(luò)及其應(yīng)用方面有深入研究。他在機器學(xué)習(xí)、深度學(xué)習(xí)等領(lǐng)域的著名會議或期刊上發(fā)表100多篇論文。
☆崔鵬博士
清華大學(xué)計算機系終身副教授。于2010年在清華大學(xué)獲得博士學(xué)位。研究興趣包括數(shù)據(jù)挖掘、機器學(xué)習(xí)和多媒體分析，擅長網(wǎng)絡(luò)表示學(xué)習(xí)、因果推理和穩(wěn)定學(xué)習(xí)、社會動力學(xué)建模和用戶行為建模等。他在機器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的著名會議或期刊上發(fā)表100多篇論文。
☆裴健博士
杜克大學(xué)電子與計算機工程系教授。他是數(shù)據(jù)科學(xué)、大數(shù)據(jù)、數(shù)據(jù)挖掘和數(shù)據(jù)庫系...
☆吳凌飛博士
畢業(yè)于美國公立常春藤盟校之一的威廉與瑪麗學(xué)院計算機系。目前他是Pinterest公司主管知識圖譜和內(nèi)容理解的研發(fā)工程經(jīng)理。曾任京東硅谷研究中心的首席科學(xué)家和IBM Thomas J. Vatson Research Centerl的高級研究員。主要研究方向是機器學(xué)習(xí)、表征學(xué)習(xí)和自然語言處理的有機結(jié)合，在圖神經(jīng)網(wǎng)絡(luò)及其應(yīng)用方面有深入研究。他在機器學(xué)習(xí)、深度學(xué)習(xí)等領(lǐng)域的著名會議或期刊上發(fā)表100多篇論文。
☆崔鵬博士
清華大學(xué)計算機系終身副教授。于2010年在清華大學(xué)獲得博士學(xué)位。研究興趣包括數(shù)據(jù)挖掘、機器學(xué)習(xí)和多媒體分析，擅長網(wǎng)絡(luò)表示學(xué)習(xí)、因果推理和穩(wěn)定學(xué)習(xí)、社會動力學(xué)建模和用戶行為建模等。他在機器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的著名會議或期刊上發(fā)表100多篇論文。
☆裴健博士
杜克大學(xué)電子與計算機工程系教授。他是數(shù)據(jù)科學(xué)、大數(shù)據(jù)、數(shù)據(jù)挖掘和數(shù)據(jù)庫系統(tǒng)等領(lǐng)域的知名研究人員。他擅長為新型數(shù)據(jù)密集型應(yīng)用開發(fā)有效和高效的數(shù)據(jù)分析技術(shù)，并將其研究成果轉(zhuǎn)化為產(chǎn)品和商業(yè)實踐。自2000年以來，他已經(jīng)出版一本教科書、兩本專著，并在眾多極具影響力的會議或期刊上發(fā)表300多篇論文。
☆趙亮博士
埃默里大學(xué)計算科學(xué)系助理教授。曾在喬治梅森大學(xué)信息科學(xué)與技術(shù)系和計算機科學(xué)系擔(dān)任助理教授。于2016年在弗吉尼亞理工大學(xué)計算機科學(xué)系獲得博士學(xué)位。研究興趣包括數(shù)據(jù)挖掘、人工智能和機器學(xué)習(xí)，在時空和網(wǎng)絡(luò)數(shù)據(jù)挖掘、圖深度學(xué)習(xí)、非凸優(yōu)化、事件預(yù)測和可解釋機器學(xué)習(xí)等方面有深入研究。