机读格式显示(MARC)

• 000 01884nam 2200301 450

• 001 0000791667

• 005 20250709162800.0

• 010 __ |a 978-7-121-49352-2 |d CNY68.00

• 100 __ |a 20250123d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 基于信息增强的图神经网络学习方法研究 |A ji yu xin xi zeng qiang de tu shen jing wang luo xue xi fang fa yan jiu |f 王杰著

• 210 __ |a 北京 |c 电子工业出版社 |d 2025.2

• 215 __ |a 126页, [4] 页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 人工智能前沿理论与技术应用丛书 |A ren gong zhi neng qian yan li lun yu ji shu ying yong cong shu

• 312 __ |a 英文并列题名取自封面

• 320 __ |a 有书目 (第112-126页)

• 330 __ |a 本书共7章, 第1章主要介绍了图神经网络研究的背景与意义, 阐述了近年来国内外网络表示学习与图神经网络的研究现状, 分析了图神经网络当前面临的挑战及其主要问题等; 第2章主要对图神经网络进行概要论述, 包括基础的理论、典型的模型方法及应用; 第3章针对图神经网络在节点聚合过程中面临的节点邻域混杂的问题, 提出了一种基于混合阶的图神经网络模型; 第4章针对图神经网络在节点交互过程中面临的全局结构信息缺失问题, 提出了一种基于拓扑结构自适应的图神经网络模型; 第5章针对自监督信息缺失且包含噪声的问题, 提出了一种图结构与节点属性联合学习的变分图自编码器模型; 第6章针对节点自监督信息贡献不做区分的问题, 提出了一种基于注意力机制的图对比学习模型; 第7章总结全书并对图神经网络可能的研究方向进行展望。

• 333 __ |a 本书可供从事人工智能、数据挖掘、机器学习及网络数据分析等相关领域的科研及工程人员参考, 也可作为高等院校计算机、人工智能等专业本科生与研究生的学习参考书

• 410 _0 |1 2001 |a 人工智能前沿理论与技术应用丛书

• 510 1_ |a Research on graph neural network methods based on information enhancement |z eng

• 606 0_ |a 人工神经网络 |A ren gong shen jing wang luo |x 研究

• 690 __ |a TP183 |v 5

• 701 _0 |a 王杰 |A wang jie |4 著

• 801 _0 |a CN |b 湖北三新 |c 20250123

• 905 __ |a LIB |d TP183/117