江苏龙网

  1. 首页 > 资讯 > 科技 > >

|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载( 二 )


|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图

第六章：实践中的图神经网络
本章将探索 GNN 在实践中的应用 。 具体而言 ， 作者将讨论 GNN 的一些典型应用以及实践中通常如何实现 GNN 的优化 ， 其中重点探讨了特别有效的无监督预训练方法 。 此外 ， 作者还将介绍一些用以正则化和提升 GNN 效率的常用技术 。
|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图

第七章：理论依据
本章讲述了图神经网络的一些理论依据 ， 旨在向读者介绍不同理论依据背后的核心思想 ， 这样感兴趣的读者就可以自由地探索和结合他们认为合适的直觉知识和动机 。
|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图

生成图模型
本书第三部分主要介绍了生成图模型的相关内容 。
第八章：传统图生成方法
本章首先讨论图生成的传统方法 ， 并且这些传统方法早于大多数图表示学习研究 ， 甚至是通常的机器学习研究 。 此外 ， 本章讨论的方法为之后出现的基于深度学习的方法奠定了基础 。
|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图

第九章：深度生成模型
本章介绍了一系列基础的图的深度生成模型 ， 这些模型在创建通用深度生成模型过程中通常采用三种最流行的方法 ， 分别为变分自编码器（VAE）、生成对抗网络（GAN）和自回归模型 。 作者将重点介绍这些深度生成模型的简单和通用变体 ， 提供了详细的细节解读以及必要的参考文献 。
|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图

作者介绍
|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图

William Hamilton 于 2018 年取得斯坦福大学计算机科学博士学位 ， 现为加拿大麦吉尔大学计算机科学助理教授 ， 同时还担任加拿大高等研究院（CIFAR）人工智能主席以及 Mila 魁北克 AI 研究所（Mila AI Institute of Quebec）成员 。
William 在学生时代取得了诸多荣誉 ， 他曾先后荣获 2013 年度 ACM 本科生研究者荣誉提名、2014 年度加拿大 AI 协会（CAIAC）最佳 AI 主题硕士论文奖 ， 以及 2018 年度斯坦福大学 Arthur Samuel 最佳计算机科学博士论文奖 。
|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图

他的研究兴趣主要是机器学习、网络科学和自然语言处理的结合应用 ， 目前专注于图表示学习领域的快速发展项目 。 目前他在 Google Scholar 上的论文总引用量在 5000 以上 。
|初学者友好，麦吉尔大学助理教授新书《图表示学习》开放下载
本文插图


推荐阅读


上一篇：智能穿戴|开学季！换新装备推荐之百元级智能手表，它不香吗？

下一篇：|MIT、IBM打造AI配音师：动作自动加音效，视频无声胜有声