그래프 신경망 입문
- 저자즈위안 리우, 지에 저우
- 출판사에이콘출판사
- 출판일2024-09-23
- 등록일2024-11-25
- SNS공유
- 파일포맷EPUB
- 파일크기21MB
- 공급사북큐브
-
지원기기
PC
PHONE
TABLET
프로그램 수동설치
전자책 프로그램 수동설치 안내
아이폰, 아이패드, 안드로이드폰, 태블릿,
보유 1, 대출 0,
예약 0, 누적대출 0, 누적예약 0
책소개
◈ 요약 ◈그래프 신경망은 최근 딥러닝의 어떤 분야보다도 빠르게 성장하고 있으며 많은 기업에서 이미 서비스에 적용했다. 이 책은 국내에서 그래프 신경망을 전문적으로 소개하는 첫 책이다. 20개 이상의 관련 모델들을 소개하고, 어떤 분야에 응용되고 있는지 알려준다. 그래프 신경망이 좋다는 걸 어디선가 듣고 자신의 연구나 업무 등에 적용해보고 싶었던 사람들에게 적합한 책이다. 이 책이 각자의 분야와 그래프 신경망이 시너지를 내는 데 도움이 되길 바란다.
저자소개
◈ 지은이 소개 ◈즈위안 리우(Zhiyuan Liu)
칭화대학교 컴퓨터공학과 부교수다. 칭화대학교 컴퓨터공학과에서 2006년에 학사, 2011년에 박사학위를 받았다. 관심 연구 분야는 자연어 처리와 소셜 컴퓨팅이다. IJCAI, AAAI, ACL, EMNLP를 포함해 학회와 저널에 60편 이상의 논문을 발표했다.
지에 저우(Jie Zhou)
칭화대학교 컴퓨터공학과 석사 2년차 학생이다. 칭화대학교에서 2016년에 학사학위를 받았다. 관심 연구 분야는 그래프 신경망과 자연어 처리다.
◈ 옮긴이 소개 ◈
정지수
카이스트 수리과학과에서 학사, 석사, 박사학위를 받았으며, 세부 전공은 그래프 이론이다. 졸업 후 삼성SDS에서 AI 기반 빅데이터 분석 플랫폼 브라이틱스(Brightics)를 만들었다. 그 후 왓챠에서 개인화 추천 모델을 연구하고 개발했다. 현재는 네이버 클로바에서 서비스에 적용할 머신러닝 모델도 만들고 논문도 쓰며 재미있는 시간을 보내고 있다. 관심 있는 분야는 추천 시스템이고 관심 있는 방법론은 그래프 신경망을 사용하는 모델들이다. 네이버 뉴스(http://naver.me/x7vVgcAZ)와 유튜브(https://youtu.be/jFDxoOq1EBI)에서 찾아볼 수 있다.
목차
◈ 차례 ◈1장. 서론
1.1 동기
1.1.1 합성곱 신경망
1.1.2 네트워크 임베딩
1.2 관련 연구
2장. 수학 및 그래프 기초
2.1 선형대수학
2.1.1 기본 개념
2.1.2 고유분해
2.1.3 특잇값 분해
2.2 확률
2.2.1 기본 개념과 공식
2.2.2 확률분포
2.3 그래프 이론
2.3.1 기본 개념
2.3.2 그래프의 대수적 표현
3장. 신경망 기초
3.1 뉴런
3.2 역전파
3.3 신경망
4장. 기본 그래프 신경망
4.1 서론
4.2 모델
4.3 한계
5장. 그래프 합성곱 네트워크
5.1 스펙트럼 방법
5.1.1 스펙트럼 네트워크
5.1.2 ChebNet
5.1.3 GCN
5.1.4 AGCN
5.2 공간 방법
5.2.1 뉴럴 FPS
5.2.2 PATCHY-SAN
5.2.3 DCNN
5.2.4 DGCN
5.2.5 LGCN
5.2.6 MoNet
5.2.7 GraphSAGE
6장. 그래프 순환 네트워크
6.1 게이트 그래프 신경망
6.2 Tree-LSTM
6.3 그래프 LSTM
6.4 S-LSTM
7장. 그래프 어텐션 네트워크
7.1 GAT
7.2 GaAN
8장. 그래프 잔차 네트워크
8.1 하이웨이 GCN
8.2 지식 점프 네트워크
8.3 DeepGCNs
9장. 다양한 그래프 종류
9.1 유향 그래프
9.2 이종 그래프
9.3 에지 정보가 있는 그래프
9.4 동적 그래프
9.5 다차원 그래프
10장. 고급 학습 방법
10.1 샘플링
10.2 계층적 풀링
10.3 데이터 증강
10.4 비지도 학습
11장. 일반적인 프레임워크
11.1 메시지 전달 신경망
11.2 비지역 신경망
11.3 그래프 네트워크
12장. 응용: 구조 시나리오
12.1 물리
12.2 화학과 생물
12.2.1 분자 핑거프린트
12.2.2 화학 반응 예측
12.2.3 약물 추천
12.2.4 단백질과 분자 상호작용 예측
12.3 지식 그래프
12.3.1 지식 그래프 채우기
12.3.2 귀납 지식 그래프 임베딩
12.3.3 지식 그래프 정렬
12.4 추천 시스템
12.4.1 행렬 채우기
12.4.2 소셜 추천
13장. 응용: 비구조 시나리오
13.1 이미지
13.1.1 이미지 분류
13.1.2 시각적 추론
13.1.3 의미 구분
13.2 문자
13.2.1 문자 분류
13.2.2 시퀀스 레이블링
13.2.3 신경 기계 번역
13.2.4 관계 추출
13.2.5 사건 추출
13.2.6 사실 확인
13.2.7 그 밖의 응용
14장. 응용: 기타 시나리오
14.1 생성 모델
14.2 조합적 최적화
15장. 오픈소스
15.1 데이터셋
15.2 구현
16장. 결론
