본문 바로가기

리디 접속이 원활하지 않습니다.
강제 새로 고침(Ctrl + F5)이나 브라우저 캐시 삭제를 진행해주세요.
계속해서 문제가 발생한다면 리디 접속 테스트를 통해 원인을 파악하고 대응 방법을 안내드리겠습니다.
테스트 페이지로 이동하기

그래프 신경망 입문 상세페이지

작품 소개

<그래프 신경망 입문> 그래프는 물리적 시스템 모델링, 분자 구조 핑거프린트 학습, 트래픽 네트워크 제어, 소셜 네트워크의 친구 추천처럼 복잡하게 얽혀 있는 실생활 문제들을 표현하기에 적합한 데이터 구조다. 이런 문제들을 해결하기 위해서는 엄청난 수의 관계 정보를 갖고 있는 비유클리드 그래프 데이터를 다뤄야 하는데, 전통적인 딥러닝 모델인 합성곱 신경망이나 순환 신경망으로 해결하기에는 한계가 있다. 일반적으로 그래프의 노드는 네트워크 임베딩 방법 같은 비지도 표현 학습에서는 잘 다룰 수 없는 유용한 특성 정보를 담고 있다. 그래프 신경망은 특성 전파와 결합으로 노드의 특성 정보와 그래프의 구조를 결합해 그래프를 잘 표현하게끔 만들어졌다. 확실한 성능과 높은 해석 가능성 덕분에 그래프 신경망이 최근 다양한 그래프 분석에 적용되고 있다.
이 책은 그래프 신경망의 기본 개념, 모델, 응용을 포괄적으로 다룬다. 가장 기본이 되는 그래프 신경망과 그 변형인 그래프 합성곱 네트워크(graph convolutional network), 그래프 순환 네트워크(graph recurrent network), 그래프 어텐션 네트워크(graph attention network), 그래프 잔차 네트워크(graph residual network)를 설명한다. 다양한 그래프 타입에 맞는 변형 모델과 심화된 학습 모델도 제공된다. 그래프 신경망이 적용되는 분야를 구조적, 비구조적, 기타 시나리오로 분류한 다음 각각을 해결하는 방법을 알려준다. 마지막 장에서는 관련된 오픈소스와 앞으로의 전망을 다룬다.


출판사 서평

그래프 신경망은 최근 딥러닝의 어떤 분야보다도 빠르게 성장하고 있으며 많은 기업에서 이미 서비스에 적용했다. 이 책은 국내에서 그래프 신경망을 전문적으로 소개하는 첫 책이다. 20개 이상의 관련 모델들을 소개하고, 어떤 분야에 응용되고 있는지 알려준다. 그래프 신경망이 좋다는 걸 어디선가 듣고 자신의 연구나 업무 등에 적용해보고 싶었던 사람들에게 적합한 책이다. 이 책이 각자의 분야와 그래프 신경망이 시너지를 내는 데 도움이 되길 바란다.


저자 소개

즈위안 리우(Zhiyuan Liu)

칭화대학교 컴퓨터공학과 부교수다. 칭화대학교 컴퓨터공학과에서 2006년에 학사, 2011년에 박사학위를 받았다. 관심 연구 분야는 자연어 처리와 소셜 컴퓨팅이다. IJCAI, AAAI, ACL, EMNLP를 포함해 학회와 저널에 60편 이상의 논문을 발표했다.


지에 저우(Jie Zhou)

칭화대학교 컴퓨터공학과 석사 2년차 학생이다. 칭화대학교에서 2016년에 학사학위를 받았다. 관심 연구 분야는 그래프 신경망과 자연어 처리다.

목차

1장. 서론
1.1 동기
1.1.1 합성곱 신경망
1.1.2 네트워크 임베딩
1.2 관련 연구


2장. 수학 및 그래프 기초
2.1 선형대수학
2.1.1 기본 개념
2.1.2 고유분해
2.1.3 특잇값 분해
2.2 확률
2.2.1 기본 개념과 공식
2.2.2 확률분포
2.3 그래프 이론
2.3.1 기본 개념
2.3.2 그래프의 대수적 표현


3장. 신경망 기초
3.1 뉴런
3.2 역전파
3.3 신경망


4장. 기본 그래프 신경망
4.1 서론
4.2 모델
4.3 한계


5장. 그래프 합성곱 네트워크
5.1 스펙트럼 방법
5.1.1 스펙트럼 네트워크
5.1.2 ChebNet
5.1.3 GCN
5.1.4 AGCN
5.2 공간 방법
5.2.1 뉴럴 FPS
5.2.2 PATCHY-SAN
5.2.3 DCNN
5.2.4 DGCN
5.2.5 LGCN
5.2.6 MoNet
5.2.7 GraphSAGE


6장. 그래프 순환 네트워크
6.1 게이트 그래프 신경망
6.2 Tree-LSTM
6.3 그래프 LSTM
6.4 S-LSTM


7장. 그래프 어텐션 네트워크
7.1 GAT
7.2 GaAN


8장. 그래프 잔차 네트워크
8.1 하이웨이 GCN
8.2 지식 점프 네트워크
8.3 DeepGCNs


9장. 다양한 그래프 종류
9.1 유향 그래프
9.2 이종 그래프
9.3 에지 정보가 있는 그래프
9.4 동적 그래프
9.5 다차원 그래프


10장. 고급 학습 방법
10.1 샘플링
10.2 계층적 풀링
10.3 데이터 증강
10.4 비지도 학습


11장. 일반적인 프레임워크
11.1 메시지 전달 신경망
11.2 비지역 신경망
11.3 그래프 네트워크


12장. 응용: 구조 시나리오
12.1 물리
12.2 화학과 생물
12.2.1 분자 핑거프린트
12.2.2 화학 반응 예측
12.2.3 약물 추천
12.2.4 단백질과 분자 상호작용 예측
12.3 지식 그래프
12.3.1 지식 그래프 채우기
12.3.2 귀납 지식 그래프 임베딩
12.3.3 지식 그래프 정렬
12.4 추천 시스템
12.4.1 행렬 채우기
12.4.2 소셜 추천


13장. 응용: 비구조 시나리오
13.1 이미지
13.1.1 이미지 분류
13.1.2 시각적 추론
13.1.3 의미 구분
13.2 문자
13.2.1 문자 분류
13.2.2 시퀀스 레이블링
13.2.3 신경 기계 번역
13.2.4 관계 추출
13.2.5 사건 추출
13.2.6 사실 확인
13.2.7 그 밖의 응용


14장. 응용: 기타 시나리오
14.1 생성 모델
14.2 조합적 최적화


15장. 오픈소스
15.1 데이터셋
15.2 구현


16장. 결론


리뷰

구매자 별점

0.0

점수비율

  • 5
  • 4
  • 3
  • 2
  • 1

0명이 평가함

리뷰 작성 영역

이 책을 평가해주세요!

내가 남긴 별점 0.0

별로예요

그저 그래요

보통이에요

좋아요

최고예요

별점 취소

구매자 표시 기준은 무엇인가요?

'구매자' 표시는 리디에서 유료도서 결제 후 다운로드 하시거나 리디셀렉트 도서를 다운로드하신 경우에만 표시됩니다.

무료 도서 (프로모션 등으로 무료로 전환된 도서 포함)
'구매자'로 표시되지 않습니다.
시리즈 도서 내 무료 도서
'구매자’로 표시되지 않습니다. 하지만 같은 시리즈의 유료 도서를 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
영구 삭제
도서를 영구 삭제해도 ‘구매자’ 표시는 남아있습니다.
결제 취소
‘구매자’ 표시가 자동으로 사라집니다.

이 책과 함께 구매한 책


이 책과 함께 둘러본 책



본문 끝 최상단으로 돌아가기

spinner
모바일 버전