这本开放获取的书籍讨论了超图计算的理论和方法。许多数据之间的底层关系可以用图表来表示,例如在计算机视觉、分子化学、分子生物学等领域。在过去的十年中,人们开发了基于图的学习和神经网络方法来处理这类数据,它们特别适合处理关系学习任务。然而,在许多实际问题中,我们关心的对象之间的关系比两两之间的关系更复杂。简单地将复杂的关系压缩为两两的关系必然会导致信息的丢失,这些信息对于学习任务来说可以预期是有价值的。超图作为图的一种延伸,已经显示出与图相比在建模复杂关系方面的优越性能。近年来,超图相关的AI方法的研究越来越受到欢迎,这些方法已经被用于计算机视觉、社交媒体分析等。我们将这些尝试总结为一种新的计算范式,称之为超图计算,其目标是使用超图来表述数据底层的高阶关联,然后针对不同的应用在超图上进行语义计算。这本书的内容包括超图计算范式、超图建模、超图结构演化、超图神经网络以及超图计算在不同领域的应用。我们在这本书中进一步总结了超图计算的近期成就和未来的发展方向。

https://link.springer.com/book/10.1007/978-981-99-0185-2

成为VIP会员查看完整内容
73

相关内容

【新书】人工智能与因果推理,395页pdf
专知会员服务
207+阅读 · 2022年5月5日
【2022新书】图算法指南,A Guide to Graph Algorithms, 350页pdf
专知会员服务
81+阅读 · 2022年3月2日
专知会员服务
65+阅读 · 2021年5月29日
图表示学习Graph Embedding综述
图与推荐
10+阅读 · 2020年3月23日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
104+阅读 · 2019年11月27日
国家自然科学基金
5+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
23+阅读 · 2022年2月24日
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
VIP会员
相关基金
国家自然科学基金
5+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员