グラフニューラルネットワーク―Graph Neural Networks(機械学習プロフェッショナルシリーズ) [全集叢書]Ω

要旨（「BOOK」データベースより）本書は、カタログ的な解説ではなく、解明されている理論に基づき、本質を解説する。より深い洞察と息の長い知識を学べる決定版テキスト！目次第1章　機械学習においてグラフを考える重要性1.1 さまざまなグラフデータ1.2 グラフを用いた代表的な機械学習タスク1.3 異種混合なデータをグラフにより統一的に扱う1.4 グラフニューラルネットワークとは1.5 代表的なベンチマーク用データセット1.6 記法1.7 本書の構成第2章　準備2.1 ニューラルネットワーク2.2 グラフ理論2.3 古典的なグラフ機械学習手法第3章　グラフニューラルネットワークの定式化3.1 メッセージ伝達による定式化3.2 具体的なアーキテクチャ3.3 訓練と推論の手順3.4 異種混合グラフへの拡張3.5 同変性とメッセージ伝達による定式化の意義第4章　さまざまなタスクへの応用4.1 グラフ分類4.2 接続予測4.3 グラフ生成第5章　グラフニューラルネットワークの高速化5.1 グラフニューラルネットワークの計算量5.2 高速なアーキテクチャ5.3 サンプリングの基礎5.4 近傍サンプリング5.5 層別サンプリング5.6 近傍サンプリングと層別サンプリングの組み合わせ5.7 訓練グラフの構成法5.8 応用例（PinSAGE）第6章　スペクトルグラフ理論6.1 スペクトルグラフ理論とは6.2 準備6.3 グラフフーリエ変換6.4 グラフフーリエ変換をもとにしたグラフニューラルネットワーク6.5 補足：スペクトルをもとにした古典的な手法第7章　過平滑化現象とその対策7.1 過平滑化現象とは7.2 過平滑化の対策第8章　グラフニューラルネットワークの表現能力8.1 ニューラルネットワークの表現能力8.2 ワイスファイラー・リーマン検査8.3 同変基底を用いたアーキテクチャ8.4 関係プーリング8.5 局所分散アルゴリズムとの等価性8.6 乱択特徴量8.7 動的計画法との整合性8.8 表現能力の高いモデルの使いどころ第9章　おわりに9.1 ソフトウェア紹介9.2 データセット紹介9.3 文献紹介参考文献内容紹介★この本がないと始まらない★本書は、基礎から丁寧に解説しつつ、広範な範囲を取り扱う。カタログ的な解説ではなく、解明されている理論に基づき、本質を解説する。より深い洞察と息の長い知識を学べる決定版テキスト！【主な内容】第1章　機械学習においてグラフを考える重要性第2章　準備第3章　グラフニューラルネットワークの定式化第4章　さまざまなタスクへの応用第5章　グラフニューラルネットワークの高速化第6章　スペクトルグラフ理論第7章　過平滑化現象とその対策第8章　グラフニューラルネットワークの表現能力第9章　おわりに著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）佐藤 竜馬(サトウ リョウマ)１９９６年生まれ。２０２４年京都大学大学院情報学研究科博士課程修了、博士（情報学）。現在、国立情報学研究所助教。専門分野は最適輸送、グラフニューラルネットワーク、および情報検索・推薦システム、ＮｅｕｒＩＰＳやＩＣＭＬなどの国際会議に主著論文が採択。競技プログラミングでは国際情報オリンピック日本代表、ＡＣＭ‐ＩＣＰＣ世界大会出場、ＡｔＣｏｄｅｒレッドコーダーなどの戦績をもつ。ＰＤＦ翻訳サービスＲｅａｄａｂｌｅの開発など研究の効率化についても従事している著者について佐藤 竜馬 (サトウ リョウマ)1996年生まれ．2024年京都大学大学院情報学研究科博士課程修了．博士（情報学）．現在，国立情報学研究所 助教．専門分野は最適輸送，グラフニューラルネットワーク，および情報検索・推薦システム．NeurIPSやICMLなどの国際会議に主著論文が採択．競技プログラミングでは国際情報オリンピック日本代表，ACM-ICPC世界大会出場，AtCoderレッドコーダーなどの戦績をもつ．PDF翻訳サービスReadableの開発など研究の効率化についても従事している．著書に，『最適輸送の理論とアルゴリズム』（機械学習プロフェッショナルシリーズ）講談社がある．