eBook
View in EDS

グラフニューラルネットワーク : PyTorchによる実装 = Graph neural networks : implementation with PyTorch

Bibliographic Details
Title: グラフニューラルネットワーク : PyTorchによる実装 = Graph neural networks : implementation with PyTorch
Description: 深層学習でネットワークを解析する世界最前線の研究を1冊で学ぶ！ 深層学習をグラフ（ネットワーク）で表される構造データに対して適用するための研究が盛んになっています。それが、本書で解説するグラフニューラルネットワークです。グラフ中の頂点やグラフ全体を高精度に分類できれば、高度な画像認識、推薦システム、交通量予測、化合物分類、さらには新型コロナウイルス（COVID-19）への対処のための応用なども期待できる、世界最前線の研究です。 本書では、グラフニューラルネットワークの基本的な知識および研究事例について説明し、PyTorchによる実装について紹介するとともに、今後の学習のための情報源についても解説します。Google Colaboratoryで解説するとともに、サンプルコードもついています。
Authors: 村田剛志
Resource Type: eBook.
Subjects: Data structures (Computer science), Graph theory, Data mining--Computer programs, Neural networks (Computer science), Deep learning (Machine learning)
Categories: COMPUTERS / Data Science / Neural Networks
Database: eBook Index
FullText Text:
  Availability: 0
Header DbId: edsebk
DbLabel: eBook Index
An: 3343294
RelevancyScore: 962
AccessLevel: 6
PubType: eBook
PubTypeId: ebook
PreciseRelevancyScore: 962.24267578125
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: グラフニューラルネットワーク : PyTorchによる実装 = Graph neural networks : implementation with PyTorch
– Name: Abstract
  Label: Description
  Group: Ab
  Data: 深層学習でネットワークを解析する世界最前線の研究を1冊で学ぶ！ 深層学習をグラフ（ネットワーク）で表される構造データに対して適用するための研究が盛んになっています。それが、本書で解説するグラフニューラルネットワークです。グラフ中の頂点やグラフ全体を高精度に分類できれば、高度な画像認識、推薦システム、交通量予測、化合物分類、さらには新型コロナウイルス（COVID-19）への対処のための応用なども期待できる、世界最前線の研究です。 本書では、グラフニューラルネットワークの基本的な知識および研究事例について説明し、PyTorchによる実装について紹介するとともに、今後の学習のための情報源についても解説します。Google Colaboratoryで解説するとともに、サンプルコードもついています。
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22村田剛志%22">村田剛志</searchLink>
– Name: TypePub
  Label: Resource Type
  Group: TypPub
  Data: eBook.
– Name: Subject
  Label: Subjects
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Data+structures+%28Computer+science%29%22">Data structures (Computer science)</searchLink><br /><searchLink fieldCode="DE" term="%22Graph+theory%22">Graph theory</searchLink><br /><searchLink fieldCode="DE" term="%22Data+mining--Computer+programs%22">Data mining--Computer programs</searchLink><br /><searchLink fieldCode="DE" term="%22Neural+networks+%28Computer+science%29%22">Neural networks (Computer science)</searchLink><br /><searchLink fieldCode="DE" term="%22Deep+learning+%28Machine+learning%29%22">Deep learning (Machine learning)</searchLink>
– Name: SubjectBISAC
  Label: Categories
  Group: Su
  Data: <searchLink fieldCode="ZK" term="%22COMPUTERS+%2F+Data+Science+%2F+Neural+Networks%22">COMPUTERS / Data Science / Neural Networks</searchLink>
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=3343294
RecordInfo BibRecord:
  BibEntity:
    Classifications:
      – Code: 006.312
        Scheme: ddc
        Type: prePub
    Languages:
      – Code: jpn
        Text: Japanese
    Subjects:
      – SubjectFull: Data structures (Computer science)
        Type: general
      – SubjectFull: Graph theory
        Type: general
      – SubjectFull: Data mining--Computer programs
        Type: general
      – SubjectFull: Neural networks (Computer science)
        Type: general
      – SubjectFull: Deep learning (Machine learning)
        Type: general
    Titles:
      – TitleFull: グラフニューラルネットワーク : PyTorchによる実装 = Graph neural networks : implementation with PyTorch
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: 村田剛志
      – PersonEntity:
          Name:
            NameFull: 村田剛志
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 01
              M: 01
              Type: published
              Y: 2022
            – D: 26
              M: 08
              Type: profile
              Y: 2022
          Identifiers:
            – Type: isbn-print
              Value: 9784274228872
          Titles:
            – TitleFull: グラフニューラルネットワーク : PyTorchによる実装 = Graph neural networks : implementation with PyTorch
              Type: main
ResultId 1