商品紹介
※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。
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。
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
※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。
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。
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
マイメニュー
何か良い本ないかな?
おトクに読める本は?
探してる本はあるかな?
- 詳細検索
- 著者別検索
- 出版社別検索
- 書籍トップ
- 書籍一覧
- ビジネス書・政治・経済
- 小説一般
- 推理・ミステリー小説
- 歴史・戦記・時代小説
- ライトノベル
- コンピュータ・IT
- ホラー・怪奇小説
- SF・ファンタジー小説
- アクション・ハードボイルド小説
- 経済・社会小説
- エッセイ
- ノンフィクション
- 恋愛小説
- ハーレクイン小説
- 英語・語学
- 教育・教養
- 辞書
- 旅行・アウトドア・スポーツ
- 料理・生活
- 趣味・雑学・エンタメ
- 詩歌・戯曲
- 絵本・児童書
- マルチメディア
- 写真集
- ボーイズラブ
- アダルト
- 雑誌トップ
- 雑誌一覧
- ビジネス・政治経済
- 総合週刊誌・月刊誌
- モノ・トレンド
- 男性誌
- 女性誌
- 自動車・乗り物
- コンピュータ・サイエンス
- スポーツ・アウトドア
- エンターテイメント・グラビア
- 暮らし・食・教育
- 趣味・芸術・旅行
- コミック雑誌
- NHKテキスト[語学]
- NHKテキスト[一般]
- 有料メルマガ
- 無料コンテンツ/カタログ
書籍を探す
コミックを探す
雑誌を探す
新聞を探す
リンク
ヘルプ