书目信息 |
| 题名： |
网络表示学习的理论与应用
|
|
| 作者： | 王静红 著 | |
| 分册： | ||
| 出版信息： | 北京 科学出版社 2024.12 |
|
| 页数： | 213页 | |
| 开本： | 24cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习--ji qi xue xi | |
| 电子资源： | ||
| ISBN： | 978-7-03-077885-7 | |
| 000 | 01182nam0 2200241 450 | |
| 001 | 93642 | |
| 005 | 20250819134803.04 | |
| 010 | @a978-7-03-077885-7@dCNY128.00 | |
| 100 | @a20250114d2024 em y0chiy50 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak a 000yy | |
| 106 | @ar | |
| 200 | 1 | @a网络表示学习的理论与应用@Awang luo biao shi xue xi de li lun yu ying yong@f王静红著 |
| 210 | @a北京@c科学出版社@d2024.12 | |
| 215 | @a213页@c图@d24cm | |
| 320 | @a有书目 (第204-213页) | |
| 330 | @a本书介绍了在人工智能与大数据时代背景下, 网络表示学习的理论与应用。提出了网络表示学习的关键在于将网络中的节点映射到低维空间, 形成能够反映节点间复杂关系的向量表示。书中讨论了各种先进的网络表示学习方法, 如基于图注意力机制、图自编码器和深度学习技术, 并提供了大量实验和案例分析, 展示了这些方法在不同数据集上的应用效果。这些案例覆盖了社交网络、生物信息学、知识图谱等领域, 证明了网络表示学习技术在多样化场景中的适用性和有效性。通过系统的理论基础和丰富的实践案例, 本书旨在帮助读者深入理解和应用网络表示学习。 | |
| 606 | 0 | @a机器学习@Aji qi xue xi |
| 690 | @aTP181@v5 | |
| 701 | 0 | @a王静红@Awang jing hong@4著 |
| 801 | 0 | @aCN@c20250909 |
| 905 | @a河南城建学院图书馆@dTP181@eW230@f1 | |
| 网络表示学习的理论与应用/王静红著.-北京：科学出版社，2024.12 |
| 213页：图；24cm |
| ISBN 978-7-03-077885-7：CNY128.00 |
| 本书介绍了在人工智能与大数据时代背景下, 网络表示学习的理论与应用。提出了网络表示学习的关键在于将网络中的节点映射到低维空间, 形成能够反映节点间复杂关系的向量表示。书中讨论了各种先进的网络表示学习方法, 如基于图注意力机制、图自编码器和深度学习技术, 并提供了大量实验和案例分析, 展示了这些方法在不同数据集上的应用效果。这些案例覆盖了社交网络、生物信息学、知识图谱等领域, 证明了网络表示学习技术在多样化场景中的适用性和有效性。通过系统的理论基础和丰富的实践案例, 本书旨在帮助读者深入理解和应用网络表示学习。 |
| ● |
| 相关链接 |
|
|
|
正题名：网络表示学习的理论与应用
索取号：TP181/W230
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1627600 | 216276009 | 自科库301/301自科库 39排2列2层/ [索取号:TP181/W230] | 在馆 |