图神经网络：概念与应用：内容简介
本书是一部围绕图神经网络理论与行业应用的多作者论文集。前半部分从图论基础、邻接关系、消息传递、GCN、GAT、MPNN 和图 Transformer 等概念切入，并讨论公平性、隐私、可解释性与大规模图计算。后半部分覆盖联邦学习、科学计算、交通预测、人群分析、零日攻击检测、金融科技、医疗保健及行为模式分析等场景。内容兼顾数学基础、架构挑战与领域案例，适合用来建立 GNN 研究主题和应用方向的整体认识。
图神经网络：主要内容
- 建立节点、边、邻接矩阵与谱图论基础
- 理解消息传递及 GCN、GAT、MPNN 等模型
- 讨论图 Transformer、池化、注意力与可扩展性
- 分析公平性、隐私、对抗风险和可解释性
- 覆盖科学计算、交通、网络安全和医疗等应用
适合哪些读者
适合机器学习研究者、数据科学家、研究生及希望了解 GNN 架构和跨领域应用的工程师；部分章节涉及数学基础和学术研究方法。
本书由不同作者分别撰写章节，各章深度、符号和案例背景可能有所差异，适合作为主题综览和研究入口使用。
目录、试读与相关阅读
请在本页“目录与试读”中查看章节和正文节选，在“书籍资料”中核对英文原名、作者、版本与文件大小。进一步阅读可参照Python 时间序列机器学习（第2版）、AI 微调：定制大型语言模型，结合各书的前置要求选择后续主题。
继续浏览人工智能与 AI 工程，或查看EPUB 阅读与下载帮助。
目录与试读
目录
章节与主要小节（依据 EPUB 导航整理）：
丛书序言
前言
第一部分：概念基础与学习框架
1 图神经网络简介
2 神经网络模型的图论基础
3 基于图学习中的消息传递技术
4 定义图神经网络的架构：释放图神经网络在现实世界解决方案中的潜力
第二部分：伦理模型、可扩展性与架构挑战
5 基于图的机器学习模型中的伦理考量
6 图神经网络：大规模图神经网络中的可扩展性挑战
7 图族拓扑指数中大图神经网络面临的挑战
8 利用图神经网络 (GNN) 的大规模人工智能系统
第三部分：图神经网络的领域特定应用
9 使用图神经网络优化联邦学习
10 图神经网络在科学计算中的应用
11 增强型集成时空图卷积网络，用于精准高效的交通预测
12 使用图神经网络进行人群分析：提高人员计数准确性
13 基于分层采样与图神经网络的零日攻击检测
14 基于图的异常检测在安全领域的应用：技术、挑战与未来方向
15 基于图的异常检测在网络安全与金融科技中的应用：利用图神经网络推动威胁情报发展
16 医疗保健中的图神经网络
17 图神经网络在骨质疏松症早期预测中的应用
18 利用图神经网络学习行为模式以预测自闭症
第四部分：研究分析、优化与软件保证
19 印度图神经网络研究的新兴趋势与合作网络：一项文献计量分析
20 用于优化的图神经网络：复杂问题求解的新范式
21 采用图神经网络进行缺陷预测的软件质量保证
22 图神经网络的未来研究方向
你可能还喜欢
查看 Scrivener Publishing “人工智能前沿突破”系列中已出版和即将出版的图书
试读节选
我们可以将对象集合之间的连接自然地表达为图模式。图是由顶点和边组成的数学结构，其中每个节点可以连接多个其他节点和边。数学图通常用元素数组表示，例如邻接矩阵和关联矩阵。图论为在各种领域中轻松处理复杂、广泛的数据提供了重要框架，包括网络建模、路由算法等。图论有助于设计和分析复杂网络，如生态网络、社交网络和交通系统，并提供高效算法用于查找网络中的最短路径和最佳路线。
