《图神经网络导论》读后感

最新推荐文章于 2024-03-02 00:31:13 发布
最新推荐文章于 2024-03-02 00:31:13 发布
阅读量985 收藏 2
点赞数 2
分类专栏： 图神经网络 深度学习 文章标签： 神经网络 图神经网络 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/infovisthinker/article/details/116404869
版权
《图神经网络导论》是一本从学术角度全面介绍GNN的书籍，适合研究者。书中涵盖了GNN的基础知识、不同类型的模型、应用场景及发展历程，为读者构建了学科框架。然而，由于内容较深，数学基础要求高，不适合初学者或工业界从业者作为入门教材。
摘要由CSDN通过智能技术生成

《图神经网络导论》读后感

4月初刚刚读完《图神经网络——基础与前沿》，就看到有人给我的书评留言，说刘知远老师的《图神经网络导论》(下文简称为《导论》)马上要出版。果然在五一假期前就看到这本书已经上市了，立刻就入手了一本，乘着五一假期花了两天给读完了。这里记录下还新鲜的读后感。
就目前已经到手看完的中文图神经网络的书来看，这本书是从典型的学术圈的视角来讲解GNN的，和之前的《深入浅出图神经网络》比较侧重应用以及《图神经网络——基础与前沿》比较侧重最新论文的介绍的视角有重合也有区别。后面会再开一贴专门来比较这三本仅有的中文GNN的书。这里先按下不表。

书的基本信息

这本《导论》成书在2020年初，是先出的英文版，然后再由邮电出版社引进版权后翻译成中文出版的。所以虽然是新的2021年4月才第一次印刷，内容里基本讲到的都是2020年前的东西，最新的引用文献也都是2019年的。
拿到手后发现还比较厚，以为内容会比较多。但是翻开后才发现，这边书只有5个印张，134千字。其实内容并不多。究其原因才发现两个原因让这本书看着比较厚：

  1. 这本书是A5大小的！就是 180 m m × 210 m m
最低0.47元/天 解锁文章
infovisthinker
关注
专栏目录
Introduction to Graph Neural Network（图神经网络概论）翻译：目录总览
Melvin Dong的博客
08-31 1758
前言：最近对图神经网络部分比较感兴趣，偶尔看到清华大学刘知远老师在今年3月份发表的一本书：Introduction to Graph Neural Network，于是将该书内容进行翻译，记录阅读中自己的感悟。如翻译有不准确或者错误的地方，请指正。 在原文中，不可避免的会有大量的人名、专业词汇等，本文翻译时将其保留，便于日后对其他文献的阅读与理解 翻译进展： Chapter1：Introduction Chapter2：Basic of Math and Graph Chapter3：Bas.
【新书推荐】图神经网络导论，清华大学刘知远老师著作
深度学习技术前沿
09-13 2540
点击上方，选择星标或置顶，不定期资源大放送！阅读大概需要5分钟Follow小博主，每天更新前沿干货地址：http://nlp.csai.tsinghua.edu.cn/~lzy/book...
图神经网络导论 - 刘知远
最新发布
积小流成江河
03-02 960
近年来，机器学习领域的发展迅速，主要表现在多种神经网络架构的出现。尽管不同的神经网络架构相差甚远，但现有的神经网络架构可以分为几个类别：卷积神经网路是前馈神经网路的特殊形式，FNN通常是全连接的神经网路，CNN则保留了局部链接性，CNN通常包含卷积层、池化层和数个全连接层。目前有数个经典的CNN 架构，如LeNet、AlexNet、VGG、和GoogleLeNet。循环神经网络不仅仅从其他神经元接收信号和输入信息，同时有自身的历史信息。
书 | 图理论 | 2020年清华大学刘知远教授《图神经网络导论》
wolf_bailang的博客
06-03 819
在复杂的现实生活应用中，图是有用的数据结构，例如对物理系统建模、学习分子指纹、控制交通网络以及在社交网络中推荐朋友。然而，这些任务需要处理包含元素之间丰富的关系信息的非欧几里得图数据，并且不能被传统的深度学习模型（例如，卷积神经网络（CNN）或递归神经网络（RNN））很好地处理。图中的节点通常包含有用的特征信息，这些信息在大多数无监督表示学习方法（例如，网络嵌入方法）中无法很好地解决......
图神经网络--图机器学习导论
weixin_43557816的博客
02-14 334
图神经网络--图机器学习导论
【图神经网络导论】之第9章模型变体(刘知远)
panbaoran913的博客
01-07 1072
第4章介绍的基础GNN模型"被用于处理无向图，这些图包含具有标签的节点，是最简单的图。然而，在现实世界中还有更多类型的图，建模这些图结构需要不同的GNN结构。本章研究针对不同类型的图设计的图模型结构。
图神经网络 - 南洋理工大学 - lecture14_graph_neural_networks.zip
10-30
图神经网络，来自于南洋理工大学计算机学院Xavier Bresson教授的演讲稿，欢迎大家下载学习。
清华大学计算机系刘知远学生,【新书】图神经网络导论，清华大学刘知远老师著作...
weixin_30074329的博客
07-29 322
近年来, 随着海量数据的涌现, 可以表示对象之间复杂关系的图结构数据越来越受到重视并给已有的算法带来了极大的挑战. 图神经网络作为可以揭示深层拓扑信息的模型, 已开始广泛应用于诸多领域,如通信、生命科学和经济金融等. 本文对近几年来提出的图神经网络模型和应用进行综述, 主要分为以下几类:基于空间方法的图神经网络模型、基于谱方法的图神经网络模型和基于生成方法的图神经网络模型等,并提出可供未来进一步研...
对话清华NLP实验室刘知远：NLP搞事情少不了知识库与图神经网络
zenRRan的博客
02-26 403
点击上方，选择星标或置顶，每天给你送干货！阅读大概需要17分钟跟随小博主，每天进步一丢丢来自机器之心作者：思源、刘晓坤在过去的 2018 年中，自然语言处理出现了很多令人激动的新想法与新...
Introduction to Graph Neural Networks.pdf
04-19
GNN在2022研究进展？CMU-Minji112页PPT《图神经网络导论》卡内基梅隆大学(Carnegie Mellon University)计算机科学系的一名博士生，导师是Christos Faloutsos和Ruslan Salakhutdinov教授。研究兴趣在Deep Graph Learning领域。
一份简短入门《图神经网络GNN》笔记小册.pdf
04-11
本文组织如下:首先，介绍了图和网络的基本概念。其次，我们描述了在GNNs中用于计算节点嵌入的主要步骤。接下来，我们将介绍现有文献中经常提到的三种GNN技术。最后，我们对该领域的其他著名作品进行了有限的综述。
人工神经网络原理——入门与应用PDF版
03-23
神经网络学习入门经典书籍！自己亲心制作PDF版，网上唯一版本
DL、图 神 经 网 络-课程.pdf
09-26
DL、图 神 经 网 络-课程.pdf
一份简单的《图神经网络》教程
08-03
以下附上一份简单《图神经网络》的教程，共计28页ppt。其主要包括图卷积网络（Graph Convolutional Networks）、图采样方法（Graph Sampling Methods）与基于PyTorch的实现与应用（Application and PyTorch Implementation）三个核心部分。欢迎感兴趣的朋友下载学习。
刘知远-Introduction to Graph Neural Networks.pdf
04-01
Graphs are useful data structures in complex real-life applications such as modeling physical systems, learning molecular fingerprints, controlling traffic networks, and recommending friends in social networks. However, these tasks require dealing with non-Euclidean graph data that contains rich relational information between elements and cannot be well handled by traditional deep learning models (e.g., convolutional neural networks (CNNs) or recurrent neural networks (RNNs)). Nodes in graphs usually contain useful feature information that cannot be well addressed in most unsupervised representation learning methods (e.g., network embedding methods). Graph neural networks (GNNs) are proposed to combine the feature information and the graph structure to learn better representations on graphs via feature propagation and aggregation. Due to its convincing performance and high interpretability, GNN has recently become a widely applied graph analysis tool.
终于有人总结了图神经网络！
weixin_36896856的博客
06-25 325
点击上方“AI遇见机器学习”，选择“星标”公众号重磅干货，第一时间送达作者：yyHaker，编辑：极市平台来源丨https://zhuanlan.zhihu.com/p/136521625...
Introduction to Graph Neural Network（图神经网络概论）翻译：Chapter3：Basic of Neual Networks
Melvin Dong的博客
09-04 632
3、Basic of Neural Network 神经网络是机器学习中最重要的模型之一。人工神经网络由众多的神经元组成，相互之间有联系，其结构与生物神经网络有很大的相似之处。神经网络的学习方式如下：以随机权重或数值启动，神经元之间的连接通过反向传播算法反复更新其权重或数值，直到模型表现相当精确。最后，神经网络学习到的知识以数字方式存储在连接中。大多数关于神经网络的研究都试图改变它的学习方式（用不同的算法或不同的结构），目的是提高模型的泛化能力。 3.1、Neural （神经元） 神经网络最基本的单元是神经
Introduction to Graph Neural Network（图神经网络概论）翻译：Chapter1：Introduction
Melvin Dong的博客
08-31 1281
文章目录1、Introduction1.1 MOTIVATIONS1.1.1 CONVOLUTIONAL NEURAL NETWORKS1.1.2 NETWORK EMBEDDING1.2 RELATED WORK 1、Introduction 图是一种数据结构，它对一组对象（nodes）及其关系（edges）进行建模。近来，用机器学习分析图的研究受到越来越多的关注，因为图具有巨大的表达能力，即图可以作为大量系统的表征，横跨各个领域，包括社会科学（social network）[Hamilton et al
最新图神经网络论文笔记汇总（附pdf下载）
深度学习技术前沿
08-02 1702
点击上方，选择星标或置顶，不定期资源大放送！阅读大概需要15分钟Follow小博主，每天更新前沿干货【导读】近年来，图神经网络变得非常火热，每年顶会在该领域内都会出现大量的研究论文，本文...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值