机读格式显示(MARC)

• 000 01701nam0 2200313 450

• 001 0000232231

• 005 20230717092600.0

• 010 __ |a 978-7-121-39478-2 |d CNY118.00

• 100 __ |a 20210518d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 001yy

• 106 __ |a r

• 200 1_ |a 图深度学习 |A tu shen du xue xi |d = Deep learning on graphs |f 马耀, 汤继良著 |g 王怡琦, 金卫译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2021.5

• 215 __ |a xx, 297页 |c 彩图 |d 24cm

• 306 __ |a 本书中文简体版专有版权由Cambridge University Press授予电子工业出版社

• 320 __ |a 有书目 (第267-293页) 和索引

• 330 __ |a 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, 涵盖了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, 重点介绍了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, 介绍了有可能成为将来研究热点的高级方法和应用, 主要从表达性、深度、公平性、可解释性和自监督学习等内容。

• 333 __ |a 本书既适合对数据挖掘、机器学习和社交网络分析感兴趣的本科生和研究生阅读, 也适合企业开发者和项目经理阅读

• 500 10 |a Deep learning on graphs |A Deep learning on graphs |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 690 __ |a TP181 |v 5

• 701 _0 |a 马耀 |A ma yao |4 著

• 701 _0 |a 汤继良 |A tang ji liang |4 著

• 702 _0 |a 王怡琦 |A wang yi qi |4 译

• 702 _0 |a 金卫 |A jin wei |4 译

• 801 _0 |a CN |b 湖北三新 |c 20210518

• 905 __ |a GDPTC |d TP181/176