机读格式显示(MARC)

• 000 01862cam 2200409 450

• 001 0000396479

• 005 20211022123200.0

• 010 __ |a 978-7-115-55984-5 |d CNY69.80

• 092 __ |a CN |b READER-67936

• 099 __ |a CAL 012021051538

• 100 __ |a 20210512d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 图神经网络导论 |A tu shen jing wang luo dao lun |d = Introduction to graph neural networks |f 刘知远, 周界著 |g 李泺秋译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2021

• 215 __ |a xii, 147页 |c 彩图 |d 22cm

• 225 2_ |a 智源人工智能丛书 |A Zhi Yuan Ren Gong Zhi Neng Cong Shu

• 300 __ |a 图灵教育

• 306 __ |a 由Morgan & Claypool授权出版

• 314 __ |a 刘知远，清华大学计算机科学与技术系副教授，2006年在该系获得学士学位，2011年获得博士学位 ; 周界，清华大学计算机科学与技术系硕士。他在2016年获得清华大学学士学位。研究兴趣包括图神经网络和自然语言处理。

• 320 __ |a 有书目（129-147页）

• 320 __ |a 有书目 (第129-147页)

• 330 __ |a 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。

• 410 _0 |1 2001 |a 智源人工智能丛书

• 510 1_ |a Introduction to graph neural networks |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 刘知远 |A Liu Zhi Yuan |4 著

• 701 _0 |a 周界 |A Zhou Jie |4 著

• 702 _0 |a 李泺秋 |A Li Luo Qiu |4 译

• 801 _0 |a CN |b TJDX |c 20210512

• 801 _2 |a CN |b PUL |c 20210715

• 905 __ |a XATU |d TP183/141

• 920 __ |a 261060 |z 1

• 998 __ |a TJDX