Graph Representation Learning

William L. Hamilton

38 Bewertungen von Goodreads

Sprache: Englisch

Verlag: Springer International Publishing AG, CH, 2020

3031004604 / 9783031004605

Serie: Buch 14 von 14 - Synthesis Lectures on Artificial Intelligence and Machine Learning

Anbieter: Rarewaves.com USA, London, London, Vereinigtes KönigreichRarewaves.com USA

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 11. Juni 2025

Softcover

Zustand: Neu

EUR 50,03

 Versand gratis 
Versand von Vereinigtes Königreich nach USA

Anzahl: Mehr als 20 verfügbar

In den Warenkorb
30 Tage kostenlose Rückgabe

Artikelbeschreibung des Verkäufers

Graph-structured data is ubiquitous throughout the natural and social sciences, from telecommunication networks to quantum chemistry. Building relational inductive biases into deep learning architectures is crucial for creating systems that can learn, reason, and generalize from this kind of data. Recent years have seen a surge in research on graph representation learning, including techniques for deep graph embeddings, generalizations of convolutional neural networks to graph-structured data, and neural message-passing approaches inspired by belief propagation. These advances in graph representation learning have led to new state-of-the-art results in numerous domains, including chemical synthesis, 3D vision, recommender systems, question answering, and social network analysis.This book provides a synthesis and overview of graph representation learning. It begins with a discussion of the goals of graph representation learning as well as key methodological foundations in graph theory and network analysis. Following this, the book introduces and reviews methods for learning node embeddings, including random-walk-based methods and applications to knowledge graphs. It then provides a technical synthesis and introduction to the highly successful graph neural network (GNN) formalism, which has become a dominant and fast-growing paradigm for deep learning with graph data. The book concludes with a synthesis of recent advancements in deep generative models for graphs-a nascent but quickly growing subset of graph representation learning.…

Bestandsnummer des Verkäufers LU-9783031004605

Titel
Graph Representation Learning
Autor
William L. Hamilton
Verlag
Springer International Publishing AG, CH
Erscheinungsjahr
2020
Zustand
New
Einband
Paperback
Sprache
Englisch
ISBN-10
3031004604
ISBN-13
9783031004605
Serie
Buch 14 von 14: Synthesis Lectures on Artificial Intelligence and Machine Learning

Rarewaves.com USA

London, London, Vereinigtes Königreich

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 11. Juni 2025

Versandkosten von Vereinigtes Königreich nach USA

Artikel9 bis 14 Werktage9 bis 14 Werktage
Erster ArtikelEUR 0,00EUR 0,00
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

Unternehmensdaten der Verkäuferin bzw. des Verkäufers

RAREWAVES.COM LIMITED

Elsley Court, 20-22 Great Titchfield Street
London, Vereinigtes Königreich W1W 8BE