首页 > 其他分享 >【图深度学习】图深度学习大纲

【图深度学习】图深度学习大纲

时间:2023-02-02 09:47:04浏览次数:43  
标签:大纲 卷积 学习 神经网络 3.3 深度 2.6

图深度学习大纲

第1章 绪论

  • 1.2 图深度学习的动机(两点原因)
  • 1.5 图特征学习的简要发展史
    • 特征工程
    • 特征学习
      • 图特征选择
      • 图表示学习
  • 1.7 扩展阅读
    • 特征选择相关图书和文献综述
    • scikit-feature特征选择库
    • 深度学习及其应用的图书
      • 深度学习方法和模型
      • 语音识别中的深度学习
      • 自然语言处理中的深度学习

第1篇 基础理论

第2章 图论基础

  • 2.2 图的表示
    • 图的定义
    • 邻接矩阵
  • 2.3 图的性质
    • 2.3.1 度
      • 度的定义
      • 邻域
    • 2.3.2 连通度
      • 途径
      • 子图
      • 连通分量
      • 连通图
      • 最短路
      • 直径
    • 2.3.3 中心性
      • 度中心性
      • 特征向量中心性(用相邻节点的中心性定义)
      • Katz中心性(特征向量中心性+考虑自己)
      • 介数中心性(通过节点的路)
  • 2.4 谱图论
    • 2.4.1 拉普拉斯矩阵
      • 拉普拉斯矩阵的定义和归一化
      • \(f^TLf\)的含义
    • 2.4.2 拉普拉斯矩阵的特征值和特征向量
  • 2.5 图信号处理
    • 图信号的定义
    • 图信号的平滑度(频率)
    • 图信号的空间域和谱域表示与转换
      • 图信号的傅里叶变换
      • 图信号的逆傅里叶变换
  • 2.6 复杂图
    • 2.6.1 异质图
    • 2.6.2 二分图
    • 2.6.3 多维图
    • 2.6.4 符号(正负号)图
    • 2.6.5 超图
    • 2.6.6 动态图
  • 2.7 图的计算任务
    • 2.7.1 侧重于节点的任务
      • 节点分类
        • Flickr中的节点分类
      • 链接预测
        • 预测DBLP中可能出现的合作关系
    • 2.7.2 侧重于图的任务
      • 图分类
      • 预测给定蛋白质是否为一种酶
  • 2.9 扩展阅读
    • 图的其他性质和概念
      • 切割
    • 图上定义的问题
      • 图着色问题
      • 路由问题
      • 网络流问题
      • 覆盖问题
    • 图的谱域性质和理论的相关书籍
    • 图在不同领域应用
    • 图数据集
    • Python工具包
      • networkx
      • graph-tool
      • SNAP
    • 图信号处理工具:Graph Signal Processing Toolbox

第3章 深度学习基础

  • 3.2 深度前馈神经网络
    • 3.2.1 网络结构
    • 3.2.2 激活函数
      • 整流函数
        • 整流线性单元(ReLU)
        • 带泄露整流线性单元(LeakyReLU)
        • 指数线性单元(ELU)
      • 逻辑S形函数和双曲正切函数
    • 3.2.3 输出层与损失函数
      • 回归问题
      • 分类问题
        • 二分类
        • 多分类
  • 3.3 卷积神经网络
    • 3.3.1 卷积操作和卷积层
    • 3.3.2 实际操作中的卷积层
      • 通道与多卷积核
      • 跨步卷积
    • 3.3.3 非线性激活层
    • 3.3.4 池化层
      • 最大池化
      • 平均池化
    • 卷积神经网络的总体框架
  • 3.4循环神经网络 RNN
    • 3.4.1 传统循环神经网络的网络结构
    • 3.4.2 长短期记忆网络 LSTM
    • 3.4.3 门控循环单元 GRU
  • 3.5 自编码器
    • 3.5.1 欠完备自编码器
    • 2.5.2 正则化自编码器
  • 3.6 深度神经网络的训练
    • 3.6.1 梯度下降
    • 3.6.2 反向传播
    • 3.6.3 预防过拟合
      • 参数正则化
      • Dropout
      • 批量归一化
  • 3.8 扩展阅读
    • 线性代数、概率论、优化方面的书籍
    • 深度神经网络相关书籍
    • Tensorflow和Pytorch

第2篇 模型方法

第4章 图嵌入

  • 4.2 简单图的图嵌入
    • 4.2.1 保留节点共现
      • DeepWalk
      • node2vector
      • LINE

标签:大纲,卷积,学习,神经网络,3.3,深度,2.6
From: https://www.cnblogs.com/yangxuanzhi/p/17084897.html

相关文章

  • 【Pytorch】PyTorch机器学习步骤
    PyTorch机器学习步骤机器学习步骤准备数据选择模型用于前向训练的模型用于计算损失的损失函数用于更新参数的优化器训练循环计算前馈结果计算损失求梯度更......
  • F5内核参数的简要学习
    前言最近学习了很长时间的Linux内核参数但是大部分是纸上谈兵.也没有一个好的系统用于学习和参照晚上搜索F5资料时发现F5有一些iso和ova文件就想着下载学习一下.看看......
  • Springmvc学习记录
    步骤创建mavenwebapp项目在pom.xml添加东西添加tomcat或者其他的应用服务器创建java和resource的文件夹将文件夹变成特殊文件夹创建包写controller文件(java......
  • SpringBoot学习笔记 - 构建、简化原理、快速启动、配置文件与多环境配置、技术整合案
    【前置内容】Spring学习笔记全系列传送门:Spring学习笔记-第一章-IoC(控制反转)、IoC容器、Bean的实例化与生命周期、DI(依赖注入)Spring学习笔记-第二章-注解......
  • 如何开始学习
    人云亦云刚开始学习某件事情,肯定是完全不了解的。不了解的话只能人云亦云,跟着教材,课程先来一遍。最开始可能是看不懂的,即便学完了也不知道自己在干嘛。不过这时候一定......
  • 「matlab学习笔记」MATLAB程序流程控制
    中国大学MOOC科学计算与MATLAB语言(点击此处跳转)MATLAB官方文档(点击此处跳转)3.1程序文件脚本文件和函数文件在MATLAB中程序文件的扩展名为.m,所以程序文件也称为M文件......
  • 离散化学习笔记
    本来应该配着一道题讲的因为太晚了就先咕咕了挖个坑虽然大概率应该不会填离散化简单来说就是当你需要用数组统计一些数的出现次数但数据范围过大(如1e9)无法使用数组存......
  • 线段树学习笔记
    本条目持续更新中线段树1:建树单点修改区间求和关于线段树:假如我们有这样一个数列33280721那我们就可以建一个线段树大概长这样:由图可知编号为i的左......
  • 机器学习之特征工程
    本文涉及的是特征选择。其实特征选择只是特征工程中的第一步。更深入的是使用特征创造或特征提取来寻找高级特征。除了对业务的理解,有四种方法可以用来选择特征:过滤法,嵌入......
  • java学习Day.5
    数据类型java是强类型语言:严格要求符合规定,所有变量先定义才能使用。弱语言:符合规定就好publicclassdemeo02{publicstaticvoidmain(String[]args){......