A11 / advanced

图神经网络与几何深度学习

图神经网络与几何深度学习围绕第一编 图表示、第二编 几何归纳偏置、第三编 图任务与综合复习建立连续章节顺序。

结构
3 Parts · 6
适合读者
适合完成相关本科基础课程、需要进入高级理论与计算方法的读者。
正文状态
0 章已有正文,6 章已规划
开始本册

BEFORE READING

先修与记号

本册对象

研究图上的消息传递、等变性、谱方法和几何结构。

先修教材

符号约定

  • 本册在首次使用时定义图神经网络与几何深度学习专用符号,并区分标量、向量、算子与单位。
  • 同一符号出现多种约定时明确命名空间、假设和适用章节。

COMPLETE CONTENTS

完整目录

PART 01

第一编 图表示

第一编 图表示组织图、图信号与节点表示、消息传递与图卷积,形成连续的学习单元。

  1. 01

    图、图信号与节点表示

    本章研究图、图信号与节点表示。内容依次处理节点边属性、邻接结构与图批处理、图信号平滑、局部邻域与拉普拉斯、节点、边和整图任务的读出机制。

    计划章节
  2. 02

    消息传递与图卷积

    本章研究消息传递与图卷积。内容依次处理消息函数、聚合算子与状态更新、GCN 归一化、GraphSAGE 采样与 GAT 权重、层数、感受野与过平滑诊断。

    计划章节
PART 02

第二编 几何归纳偏置

第二编 几何归纳偏置组织不变性、等变性与群作用、谱图方法与流形学习,形成连续的学习单元。

  1. 03

    不变性、等变性与群作用

    本章研究不变性、等变性与群作用。内容依次处理群作用、轨道与对称变换、不变读出与等变层的组合、置换、旋转和反射对称性的测试。

    计划章节
  2. 04

    谱图方法与流形学习

    本章研究谱图方法与流形学习。内容依次处理图 Laplacian 特征基与谱滤波、Chebyshev 近似与局部消息传递联系、流形坐标、离散化与跨网格迁移。

    计划章节
PART 03

第三编 图任务与综合复习

第三编 图任务与综合复习组织图生成、图动力学与物理系统、表达能力、过平滑与几何学习综合复习,形成连续的学习单元。

  1. 05

    图生成、图动力学与物理系统

    本章研究图生成、图动力学与物理系统。内容依次处理图生成的节点边联合分布、动力系统图上的时间消息传递、物理约束、守恒误差与滚动预测漂移。

    计划章节
  2. 06

    表达能力、过平滑与几何学习综合复习

    本章研究表达能力、过平滑与几何学习综合复习。内容依次处理Weisfeiler–Lehman 测试与消息传递表达界、过平滑、过压缩与远程依赖、图规模偏移、结构噪声和归纳泛化。

    计划章节

综合练习计划

  • 每章安排定义辨析、推导计算和结果核验练习。
  • 本册末章安排跨 Part 综合题,并保留可复算的解题检查点。

参考资料计划

  • TODO:为《图神经网络与几何深度学习》逐项核验权威教材、课程页面或原始论文后登记资源 ID。

修订状态

课程 Schema v1。目录与章节位置已登记;参考资料需逐项核验后进入正式正文。

相关教材