グラフニューラルネットワーク ―PyTorchによる実装―(オーム社) [電子書籍]
    • グラフニューラルネットワーク ―PyTorchによる実装―(オーム社) [電子書籍]

    • ¥3,5201,056 ゴールドポイント(30%還元)
    • すぐ読めます
100000086601684836

グラフニューラルネットワーク ―PyTorchによる実装―(オーム社) [電子書籍]

価格:¥3,520(税込)
ゴールドポイント:1,056 ゴールドポイント(30%還元)(¥1,056相当)
フォーマット:
専用電子書籍リーダアプリ「Doly」が必要です。無料ダウンロード
出版社:オーム社
公開日: 2022年07月28日
すぐ読めます。
お取り扱い: のお取り扱い商品です。
ご確認事項:電子書籍リーダーアプリ「Doly」専用コンテンツ
こちらの商品は電子書籍版です

グラフニューラルネットワーク ―PyTorchによる実装―(オーム社) の 商品概要

  • 深層学習でネットワークを解析する世界最前線の研究を1冊で学ぶ!
     深層学習をグラフ(ネットワーク)で表される構造データに対して適用するための研究が盛んになっています。それが、本書で解説するグラフニューラルネットワークです。グラフ中の頂点やグラフ全体を高精度に分類できれば、高度な画像認識、推薦システム、交通量予測、化合物分類、さらには新型コロナウイルス(COVID-19)への対処のための応用なども期待できる、世界最前線の研究です。
     本書では、グラフニューラルネットワークの基本的な知識および研究事例について説明し、PyTorchによる実装について紹介するとともに、今後の学習のための情報源についても解説します。Google Colaboratoryで解説するとともに、サンプルコードもついています。
  • 目次

    まえがき

    第1章 グラフニューラルネットワークとは
     1.1 はじめに
     1.2 グラフを対象とした畳み込み
     1.3 グラフを対象とした機械学習タスク
      1.3.1 ノード分類
      1.3.2 グラフ分類
      1.3.3 リンク予測
      1.3.4 グラフ生成
     1.4 グラフニューラルネットワークの応用
      1.4.1 画像認識
      1.4.2 推薦システム
      1.4.3 交通量予測
      1.4.4 化合物分類
      1.4.5 組み合わせ最適化
      1.4.6 COVID-19とグラフニューラルネットワーク
     まとめ

    第2章 グラフエンベディング
     2.1 グラフエンベディング手法の概観
     2.2 次元縮約に基づく手法
     2.3 グラフ構造に基づく手法
      2.3.1 DeepWalk
      2.3.2 LINE
      2.3.3 node2vec
      2.3.4 GraRep
     2.4 ニューラルネットワークに基づく手法
     まとめ

    第3章 グラフにおける畳み込み
     3.1 グラフ畳み込みにおけるアプローチ
     3.2 Spectral Graph Convolution
      3.2.1 フーリエ変換
      3.2.2 グラフラプラシアン
      3.2.3 ChebNet
      3.2.4 GCN
     3.3 Spatial Graph Convolution
      3.3.1 PATCHY-SAN
      3.3.2 DCNN
      3.3.3 GraphSAGE
     まとめ

    第4章 関連トピック
     4.1 グラフオートエンコーダ
     4.2 GAT
     4.3 SGC
     4.4 GIN
     4.5 敵対的攻撃
     4.6 動的グラフのエンベディング
     4.7 時空間グラフ畳み込みネットワーク
     4.8 説明可能性
     まとめ

    第5章 実装のための準備
     5.1 Python
     5.2 NumPy
     5.3 SciPy
     5.4 pandas
     5.5 Matplotlib
     5.6 seaborn
     5.7 Scikit-learn
     5.8 t-SNE
     5.9 Jupyter Notebook
     5.10 Google Colaboratory
     まとめ

    第6章 PyTorch Geometricによる実装
     6.1 PyTorch
      6.1.1 データセット
      6.1.2 モデル
      6.1.3 損失
      6.1.4 最適化
     6.2 PyTorch Geometric入門
      6.2.1 PyTorh Geometricとは
      6.2.2 類似ライブラリとの比較
      6.2.3 PyTorch Geometricによるグラフのデータ構造
      6.2.4 よく使われるベンチマークデータセット
      6.2.5 ミニバッチ
      6.2.6 データ変換
      6.2.7 グラフの学習手法
     6.3 PyTorch Geometricによるノード分類・グラフ分類
      6.3.1 PyTorch Geometricによるエンベディング
      6.3.2 PyTorch Geometricによるノード分類
      6.3.3 PyTorch Geometricによるグラフ分類
     まとめ

    第7章 今後の学習に向けて
     7.1 書籍
     7.2 サーベイ論文
     7.3 動画
     7.4 リンク集など
     7.5 Open Graph Benchmark
     まとめ

    おわりに
    参考文献
    索引

グラフニューラルネットワーク ―PyTorchによる実装―(オーム社) の商品スペック

シリーズ名 グラフニューラルネットワーク ―PyTorchによる実装―
発行年月日 2022/07/15
書店分類コード K350
Cコード 3055
出版社名 オーム社
他のオーム社の電子書籍を探す
本文検索
紙の本のISBN-13 9784274228872
ファイルサイズ 183.4MB
著者名 村田剛志
著述名

    オーム社 グラフニューラルネットワーク ―PyTorchによる実装―(オーム社) [電子書籍] に関するレビューとQ&A

    商品に関するご意見やご感想、購入者への質問をお待ちしています!