Graph Neural Networks: Essentials and Use Cases

Sprache: Englisch

Verlag: Springer, Berlin, Springer Nature Switzerland, Springer, 2025

3031885376 / 9783031885372

Anbieter: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, DeutschlandBuchWeltWeit Ludwig Meier e.K.

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 11. Januar 2012

Hardcover

Zustand: Neu

EUR 181,89

EUR 23,00 Versand 
Versand von Deutschland nach USA

Anzahl: 2 verfügbar

In den Warenkorb
30 Tage kostenlose Rückgabe

Artikelbeschreibung des Verkäufers

This item is printed on demand - it takes 3-4 days longer - Neuware -This book explains the technologies and tools that underpin GNNs, offering a clear and practical guide to their industrial applications and use cases. AI engineers, data scientists, and researchers in AI and graph theory will find detailed insights into the latest trends and innovations driving this dynamic field. With practical chapters demonstrating how GNNs are reshaping various industry verticals and how they complement advances in generative, agentic, and physical AI this book is an essential resource for understanding and leveraging their potential.The neural network paradigm has surged in popularity for its ability to uncover hidden patterns within vast datasets. This transformative technology has spurred global innovations, particularly through the evolution of deep neural networks (DNNs). Convolutional neural networks (CNNs) have revolutionized computer vision, while recurrent neural networks (RNNs) and their advanced variants have automated natural language processing tasks such as speech recognition, translation, and content generation.Traditional DNNs primarily handle Euclidean data, yet many real-world problems involve non-Euclidean data complex relationships and interactions naturally represented as graphs. This challenge has driven the rise of graph neural networks (GNNs), an approach that extends deep learning into new domains.GNNs are powerful models designed to work with graph-structured data, where nodes represent individual data points and edges denote the relationships between them. Several variants have emerged:Graph Convolutional Networks (GCNs): These networks learn from a node s local neighborhood by aggregating information from adjacent nodes, updating the node s representation in the process.Graph Attentional Networks (GATs): By incorporating attention mechanisms, GATs focus on the most relevant neighbors during aggregation, enhancing model performance.Graph Recurrent Networks (GRNs): These networks combine principles from RNNs with graph structures to capture dynamic relationships within the data.GNNs are applied in a variety of advanced use cases, including node classification, link prediction, graph clustering, anomaly detection, recommendation systems, and also in natural language processing and computer vision. They help forecast traffic patterns, analyze molecular structures, verify programs, predict social influence, model electronic health records, and map brain networks. 418 pp. Englisch.…

Titel
Graph Neural Networks: Essentials and Use Cases
Autor
Pethuru Raj Chelliah
Verlag
Springer, Berlin, Springer Nature Switzerland, Springer
Erscheinungsjahr
2025
Zustand
Neu
Einband
Buch
Sprache
Englisch
ISBN-10
3031885376
ISBN-13
9783031885372
Artikelgewicht
820 Gramm
Abmessungen
235x155x35 mm

BuchWeltWeit Ludwig Meier e.K.

Bergisch Gladbach, Deutschland

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 11. Januar 2012

Versandkosten von Deutschland nach USA

Artikel5 bis 15 Werktage5 bis 15 Werktage
Erster ArtikelEUR 23,00EUR 23,00
Die Versandzeiten werden von den Verkäuferinnen und Verkäufern festgelegt. Sie variieren je nach Versanddienstleister und Standort. Sendungen, die den Zoll passieren, können Verzögerungen unterliegen. Eventuell anfallende Abgaben oder Gebühren sind von der Käuferin bzw. dem Käufer zu tragen. Die Verkäuferin bzw. der Verkäufer kann Sie bezüglich zusätzlicher Versandkosten kontaktieren, um einen möglichen Anstieg der Versandkosten für Ihre Artikel auszugleichen.

Zahlungsarten

  • Visa
  • Mastercard
  • American Express
  • Carte Bleue
  • Apple Pay
  • Google Pay
  • Banküberweisung
  • PayPal
  • Vorauskasse

Unternehmensdaten der Verkäuferin bzw. des Verkäufers

BuchWeltWeit Ludwig Meier e.K.

Deutschland

BuchWeltWeit Inh. Ludwig Meier e.K.
Inhaber: Ludwig Meier
De-Gasperi-Str. 8
51469 Bergisch Gladbach
Deutschland

Tel.: +49(0)22028659300
Fax: +49(0)22028659301
E-Mail: info@buchweltweit.de

Registergericht: Amtsgericht Köln
Registernummer: HRA 28253

Umsatzsteuer-Identifikationsnummer: DE815259907

Wir sind zur Teilnahme an einem Streitbeilegungsverfahren vor einer Verbraucherschlichtungsstelle weder verpflichtet noch bereit.