机读格式显示(MARC)

• 000 01747nam0 2200349 450

• 001 0000415675

• 005 20221008142400.0

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

• 099 __ |a CAL 0120217176848

• 100 __ |a 20210609d2021 em y0chiy50 ea

• 101 0_ |a chi

• 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

• 215 __ |a XX, 297页 |c 图 |d 24cm

• 300 __ |a 博文视点

• 306 __ |a 由Cambridge University Press授予出版

• 314 __ |a 马耀, 密歇根州立大学博士研究生。汤继良, 密歇根州立大学助理教授。王怡琦, 密歇根州立大学博士研究生。金卫, 密歇根州立大学博士研究生。

• 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, 重点介绍了最具代表性的实际应用, 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。

• 510 1_ |a Deep learning on graphs |z eng

• 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 人天书店 |c 20210609

• 905 __ |a LJUZC |d TP181/181

• 920 __ |a 222016 |z 1