本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用， 涵盖图神经网络的广泛主题， 从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。 ★编辑推荐： 对人工智能来说，图神经网络有可能是将概率学习与符号推理结合起来的一种工具，有可能成为将数据驱动与知识驱动结合起来的一座桥梁，有望推动第三代人工智能的顺利发展。本书是一本内容丰富、全面和深入介绍图神经网络的书籍，致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，旨在涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。对于所有需要了解这个领域或掌握这种方法与工具的科学家、工程师和学生都是一部很好的参考书。 ★内容简介： 全书分为四部分： 第一部分介绍图神经网络的基本概念； 第二部分讨论图神经网络成熟的方法； 第三部分...(展开全部)

本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。全书分为四部分：第一部分介绍图神经网络的基本概念；第二部分讨论图神经网络成熟的方法；第三部分介绍图神经网络典型的前沿领域；第四部分描述可能对图神经网络未来研究比较重要和有前途的方法与应用的进展情况。 本书适合高年级本科生和研究生、博士后研究人员、讲师以及行业从业者阅读与参考。

本书致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用， 涵盖图神经网络的广泛主题， 从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。 ★编辑推荐： 对人工智能来说，图神经网络有可能是将概率学习与符号推理结合起来的一种工具，有可能成为将数据驱动与知识驱动结合起来的一座桥梁，有望推动第三代人工智能的顺利发展。本书是一本内容丰富、全面和深入介绍图神经网络的书籍，致力于介绍图神经网络的基本概念和算法、研究前沿以及广泛和新兴的应用，旨在涵盖图神经网络的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。对于所有需要了解这个领域或掌握这种方法与工具的科学家、工程师和学生都是一部很好的参考书。 ★内容简介： 全书分为四部分： 第一部分介绍图神经网络的基本概念； 第二部分讨论图神经网络成熟的方法； 第三部分...(展开全部)

图神经网络是人工智能领域的一个新兴方向，它不仅迅速得到了学术界的广泛关注，而且被成功地应用在工业界的多个领域。本书介绍了图神经网络和图深度学习的基础知识和前沿研究，不仅包括它们的发展历史和经典模型，还包括图神经网络在深层网络、无监督学习、大规模训练、知识图谱推理等方面的前沿研究，以及它们在不同领域（如推荐系统、生化医疗、自然语言处理等）的实际应用。 《图神经网络：基础与前沿》既可作为人工智能领域研究和开发人员的技术参考书，也可作为对图上的深度学习感兴趣的高年级本科生和研究生的入门书。

Matlab语言是Mathworks公司推出的一套高性能计算机编程语言，集数学计算、图形显示、语言设计于一体，其强大的扩展功能为用户提供了广阔的应用空间。它附带有30多个工具箱，神经网络工具箱就是其中之一。 本书是在Matlab 6.5的神经网络工具箱v4.0.2基础上编写的，在M-book数据图形文字环境下以图文并茂的形式循序渐进的介绍了Matlab神经网络工具箱的原理和应用。全书共分11章，首先就各类型神经网络的结构模型、设计、训练等加以描述，并辅以大量的应用实例演示，然后介绍了神经网络图形用户界面，以及如何在Simulink环境下景象网络设计，最后提供了自定义神经网络的方法。 本书内容广泛，实例丰富，可作为高等学校计算机、电子工程、控制工程、应用力学、信息科学、数学、机械工程等专业师生的参考资料，也可作为从事这些领域工作的广大科技人员的...(展开全部)

清华大学刘知远力作，一书轻松构建GNN知识体系。 前沿：图神经网络（GNN）已风靡深度学习领域 全面：综述流行的GNN框架以及应用场景 新增：在英文版的基础上增补更多内容 力荐：多位AI先锋学者联袂推荐 精美：采用高档纯质纸，全彩印刷，适合珍藏 图神经网络（GNN）是基于深度学习的图数据处理方法，因其卓越的性能而受到广泛关注。本书全面介绍了GNN的基本概念、具体模型和实际应用。书中首先概述数学基础和神经网络以及图神经网络的基本概念，接着介绍不同种类的GNN，包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络，以及几个通用框架。此外，本书还介绍了GNN在结构化场景、非结构化场景和其他场景中的应用。读完本书，你将对GNN的最新成果和发展方向有较为透彻的认识。

本书主要介绍神经网络与深度学习中的基础知识、主要模型（卷积神经网络、递归神经网络等）以及在计算机视觉、自然语言处理等领域的应用。

全书分为三个部分： 1. 第一部分感性介绍神经网络的基础知识，并给出一个利用PyTorch搭建神经网络解决实际问题的例子，使读者对神经网络和PyTorch有初步的了解； 2. 第二部分介绍基于Python和PyTorch的科学计算和神经网络搭建，涵盖了几乎所有Python基础知识和PyTorch基础功能，并通过例子使读者完全掌握相关技术； 3. 第三部分介绍生成对抗网络和递归神经网络，使读者了解更多神经网络的常用用法。

本书结合日常生活中的寻常小事，生动形象地阐述了神经网络与深度学习的基本概念、原理和实践，案例丰富，深入浅出。对于正在进入人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工智能的原理，丰富我们对人类自身的认识，并启发我们对人机智能之争更深一层的思考与探索。

神经网络与深度学习是人工智能研究的重要领域，是机器学习的重要组成部分。人工智能是研究理解和模拟人类智能、智能行为及其规律的科学。本书紧紧围绕神经网络和深度学习的基础知识体系进行系统的梳理，力求从基础理论、经典模型和前沿应用展开论述，便于读者能够较为全面地掌握深度学习的相关知识。全书共 16 章。第 1 章是绪论，简要介绍人工智能、机器学习、神经网络与深度学习的基本概念及相互关系，并对神经网络的发展历程和产生机理进行阐述；第2章介绍神经网络的基本神经元模型、网络结构、学习方法、学习规则、正则化方法、模型评估方法等基础知识；第3～8章介绍多层感知器神经网络、自组织竞争神经网络、径向基函数神经网络、卷积神经网络、循环神经网络、注意力机制与反馈网络；第9章介绍深度学习网络优化的相关内容；第 10～13章介绍受限玻尔兹曼机和深度置信网络、栈式自编码器、生成对抗网络和图神经网络；第 14 章介绍深度强化学习；第15章介绍深度学习的可解释性；第16章介绍多模态预训练模型。深度学习是源于对含有多个隐藏层的神经网络结构进行的研究，以便建立和模拟人脑的学习过程。本书整理了人工神经网络从简单到复杂的模型，归纳和总结了神经网络的理论、方法和应用实践。本书可以作为高等院校人工智能及相关专业或非计算机专业的参考用书，也可以作为人工智能领域的科技工作者或科研机构工作人员的参考用书。