グラフニューラルネットワーク入門-―Pythonで学ぶグラフデータ解析と機械学習モデル―（エンジニア入門シリーズ） [単行本]

グラフニューラルネットワーク入門-―Pythonで学ぶグラフデータ解析と機械学習モデル―（エンジニア入門シリーズ） の 商品概要

• 目次

  第１章　グラフの世界へようこそ
  
  １－１ はじめに
  
  １－２ 本書の目的と構成
  
  １－３ グラフニューラルネットワークがなぜ注目されるのか？
  
  １－４ グラフニューラルネットワークの構造
  
  １－５ グラフニューラルネットワークの応用分野
  
  １－６ 基本的な用語の定義
  
  １－７ まとめ
  
  
  
  第２章　グラフの基礎
  
  ２－１ はじめに
  
  ２－２ グラフの定義と基本用語
  
  ２－３ 無向グラフと有向グラフ
  
  ２－４ 隣接関係
  
  ２－５ 様々なグラフ
  
  ２－６ まとめ
  
  
  
  第３章　グラフニューラルネットワークと数学
  
  ３－１ はじめに
  
  ３－２ スペクトラルアプローチと空間アプローチ
  
  ３－３ グラフニューラルネットワーク理解に必要な行列表現
  
  ３－４ 固有値と固有ベクトル
  
  ３－５ まとめ
  
  
  第４章　グラフ信号処理
  
  ４－１ はじめに
  
  ４－２ スペクトラルグラフ理論
  
  ４－３ グラフの連結成分
  
  ４－４ レイリー商
  
  ４－５ グラフのスペクトラル
  
  ４－６ 従来の信号処理とグラフ信号処理
  
  ４－７ グラフフーリエ変換
  
  ４－８ スペクトラルアプローチによるGNN
  
  ４－９ まとめ
  
  
  
  第５章　グラフ畳み込みネットワーク（GCN）
  
  ５－１ はじめに
  
  ５－２ グラフ構造の基礎
  
  ５－３ スペクトラルグラフ理論とグラフ上の畳み込み
  
  ５－４ GCNの直感的な考え方
  
  ５－５ GCNの数式とやさしい解説
  
  ５－６ GCNの具体的な構成
  
  ５－７ GCNの損失関数
  
  ５－８ GCNの特徴と課題
  
  ５－９ GCNの発展と改良
  
  ５－10 まとめ
  
  
  
  第６章　グラフ注意機構ネットワーク
  
  ６－１ はじめに
  
  ６－２ グラフ注意機構ネットワーク（GAT）の基本
  
  ６－３ GATの特徴
  
  ６－４ まとめ
  
  
  
  第７章　グラフニューラルネットワークによるグラフ分類
  
  ７－１ はじめに
  
  ７－２ グラフニューラルネットワークの基本構造
  
  ７－３ グラフ分類におけるプーリング層の重要性
  
  ７－４ グラフニューラルネットワークの限界
  
  ７－５ 限界を克服するアプローチ
  
  ７－６ ベンチマークデータセット
  
  ７－７ まとめ
  
  
  
  第８章　リンク予測
  
  ８－１ はじめに
  
  ８－２ リンク予測の基本問題
  
  ８－３ 従来のリンク予測手法
  
  ８－４ グラフニューラルネットワークを用いたリンク予測
  
  ８－５ 理論的な進展
  
  ８－６ リンク予測におけるグラフニューラルネットワークの限界
  
  ８－７ リンク予測の応用例
  
  ８－８ まとめ
  
  
  
  第９章　グラフニューラルネットワークによるグラフマッチング
  
  ９－１ はじめに
  
  ９－２ グラフマッチングの基本問題
  
  ９－３ 従来のグラフマッチング手法
  
  ９－４ グラフニューラルネットワークを用いたグラフマッチング
  
  ９－５ PCA-GM：代表的手法の詳細
  
  ９－６ サブグラフマッチング
  
  ９－７ サブグラフマッチングの応用
  
  ９－８ グラフニューラルネットワークグラフマッチングの限界と課題
  
  ９－９ グラフマッチングの応用例
  
  ９－10 ベンチマークデータセットと評価
  
  ９－11 最新の研究動向
  
  ９－12 今後の課題と展望
  
  ９－13 まとめ
  
  
  
  第10章　異種グラフニューラルネットワーク
  
  10－１ はじめに
  
  10－２ 異種グラフ
  
  10－３ なぜ同種グラフではダメなのか？
  
  10－４ 異種グラフにおける基本概念
  
  10－５ 異種グラフを用いる上での課題
  
  10－６ 代表的なモデル
  
  10－７ まとめ
  
  
  
  第11章　グラフニューラルネットワーク探索
  
  11－１ はじめに
  
  11－２ グラフニューラルネットワークの概要
  
  11－３ ニューラルアーキテクチャ探索
  
  11－４ 深層グラフニューラルネットワークにおける課題
  
  11－５ 深層グラフニューラルネットワークへのアプローチ
  
  11－６ 深層グラフニューラルネットワークの必要性
  
  11－７ 深層グラフニューラルネットワークにおけるNAS
  
  11－８ まとめ

• 出版社からのコメント

  AI分野で急速に注目を集める「グラフニューラルネットワーク」を、基礎から最新の応用まで体系的に学べる入門書。

• 内容紹介

  グラフ理論や数学の基礎から、GCN・GATなどの代表的なモデル、グラフ分類やリンク予測、異種グラフなどの実践的なテーマまでを丁寧に解説。生成AI時代にも重要性が高まる「つながり」を扱うAI技術を身につけたい学生・研究者・エンジニアにおすすめの一冊です。

• 著者について

  尼﨑 太樹／木山 真人／安藤 宏恵 (アマガサキ モトキ　キヤマ マサト　アンドウ ヒロエ)
  尼﨑太樹（あまがさきもとき）
  
  ・経歴
  博士（工学）．2007 年より熊本大学工学部，2024 年より熊本大学情報融合学
  環兼任．
  ・専門
  専門は機械学習，リコンフィギュラブルシステム，VLSI 設計支援．
  
  
  木山真人（きやままさと）
  ・経歴
  博士（情報工学），2003 年より熊本大学工学部．
  ・専門
  専門はプログラミング言語処理系，深層学習．近年は，エッジデバイス向けの
  AI 実装技術，ニューラルネットワークアクセラレータの開発，人流データ解
  析などAI の実社会応用に注力．
  
  
  安藤宏恵（あんどうひろえ）
  ・経歴
  博士（工学）．東京工業大学にて研究員，熊本大学にて助教を経て2025 年4
  月より名古屋大学．
  ・専門
  交通ネットワーク分析，数理最適化，災害時交通など．

グラフニューラルネットワーク入門-―Pythonで学ぶグラフデータ解析と機械学習モデル―（エンジニア入門シリーズ） の商品スペック