机读格式显示(MARC)

• 000 01769nam 2200337 450

• 001 0000440851

• 005 20250628155800.0

• 010 __ |a 978-7-5770-1341-1 |d CNY56.00

• 099 __ |a CAL 012025061323

• 100 __ |a 20250513d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 510000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 深度图学习及应用 |A shen du tu xue xi ji ying yong |d = Deep graph learning and applications |f 彭亮, 朱晓峰著 |z eng

• 210 __ |a 成都 |c 电子科技大学出版社 |d 2025

• 215 __ |a 150页 |c 图 |d 24cm

• 225 2_ |a 博士论从 |A bo shi lun cong

• 314 __ |a 彭亮, 1995年生, 毕业于电子科技大学计算机科学与技术学院, 博士。主要从事人工智能医学领域的研究工作, 发表中科院一区ICCF-A类论文15篇, 其中第一作者/通讯作者论文8篇, 3篇为ESI高被引论文, 2篇为Oral发表;3年被引1000余次, H指数11。此外还担任十余个顶刊、顶会的审稿人。朱晓峰, 1973年生, 毕业于澳大利亚昆士兰大学计算机系, 博士, 现任电子科技大学计算机科学与技术学院教授, 博士生导师。长期围绕多模态学习、大模型及其在医学图像和多媒体数据的应用等领域开展研究。

• 320 __ |a 有书目 (第132-150页)

• 330 __ |a 本书系统地介绍了深度图学习的理论基础和方法, 对于广泛存在的图数据的智能感知和推理具有重要意义。图数据在现实生活中广泛存在, 涉及社交关系图、知识图谱、脑功能连接图等多个领域, 但图数据的复杂性和多样性给智能感知推理带来了巨大挑战。随着深度学习的快速发展, 针对图数据的机器学习方法也取得了显著突破, 以图卷积神经网络为代表的深度图学习方法逐渐形成。

• 410 _0 |1 2001 |a 博士论从

• 510 1_ |a Deep graph learning and applications |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 彭亮, |A peng liang |f 1995- |4 著

• 701 _0 |a 朱晓峰, |A zhu xiao feng |f 1973- |4 著

• 801 _0 |a CN |b 人天书店 |c 20250513

• 905 __ |a XATU |d TP181/434

• 920 __ |a 261060 |z 1

• 998 __ |a SEU