React. К вершинам мастерства: Создание быстрых, производительных и интуитивно понятных веб-приложений

От издательства....11 Часть I. ВВЕДЕНИЕ В ОБУЧЕНИЕ НА ГРАФАХ....12 Глава 1. Начало работы с обучением на графах....13 Почему именно графы?....13 Зачем использовать обучение на графах?....15 Зачем использовать графовые нейронные сети?....18 Выводы....21 Дополнительное чтение....21 Глава 2. Теория графов для графовых нейронных сетей....22 Технические требования....23 Знакомство со свойствами графа....23 Ориентированные графы (directed graphs)....23 Взвешенные графы (weighted graphs)....25 Связные графы (connected graphs)....26 Типы графов....28 Знакомство с основными понятиями теории графов....29 Фундаментальные объекты....30 Меры центральности для графов....31 Представление графа в виде матрицы смежности....33 Изучение графовых алгоритмов....35 Поиск в ширину (breadth-first search)....36 Поиск в глубину (depth-first search)....38 Выводы....39 Часть II. ОСНОВЫ....41 Глава 3. Создание представлений узлов с помощью DeepWalk....42 Технические требования....43 Знакомство с Word2Vec....43 CBOW против skip-gram....44 Создание скип-грамм....45 Модель skip-gram....47 DeepWalk и случайные блуждания....51 Реализация DeepWalk....54 Выводы....59 Дополнительное чтение....59 Глава 4. Улучшение эмбеддингов с помощью смещенных случайных блужданий в Node2Vec....60 Технические требования....61 Знакомство с Node2Vec....61 Определение окрестности....61 Внесение смещений в случайные блуждания....62 Реализация Node2Vec....67 Создание рекомендательной системы фильмов....72 Выводы....77 Дополнительное чтение....78 Глава 5. Включение информации о характеристиках узлов с помощью простых нейронных сетей....79 Технические требования....80 Знакомство с графовыми наборами данных....80 Набор данных Cora....80 Набор данных Facebook Page-Page....83 Классификация узлов с помощью простых нейронных сетей....85 Классификация узлов с помощью простых графовых нейронных сетей....90 Выводы....96 Дополнительное чтение....96 Глава 6. Знакомство с графовыми сверточными нейронными сетями....97 Технические требования....98 Создание сверточного слоя графа....98 Сравнение сверточных и линейных слоев графа....102 Прогнозирование веб-трафика с помощью регрессии узлов....108 Выводы....115 Дополнительное чтение....116 Глава 7. Графовые нейронные сети с механизмом внимания....117 Технические требования....118 Знакомство со слоем внимания графа....118 Линейное преобразование....119 Функция активации....119 Нормализация с по­мощью softmax....120 Многоголовое внимание....120 Улучшенный слой внимания графа....121 Реализация слоя внимания графа в NumPy....122 Реализация GAT в PyTorch Geometric....126 Выводы....133 Часть III. ПРОДВИНУТЫЕ МЕТОДЫ....134 Глава 8. Масштабирование графовых нейронных сетей с помощью GraphSAGE....135 Технические требования....136 Знакомство с GraphSAGE....136 Семплирование соседей....136 Агрегация....139 Классификация узлов на примере набора данных PubMed....140 Индуктивное обучение на белок-белковых взаимодействиях....147 Выводы....154 Дополнительное чтение....154 Глава 9. Определение выразительности для классификации графов....155 Технические требования....156 Определение выразительности....156 Знакомство с графовой сетью изоморфизма....158 Классификация графов с помощью графовой сети изоморфизма....160 Классификация графов....160 Реализация графовой сети изоморфизма (GIN)....161 Выводы....172 Дополнительное чтение....173 Глава 10. Прогнозирование связей с помощью графовых нейронных сетей....174 Технические требования....175 Прогнозирование связей с помощью традиционных методов....175 Эвристические методы....175 Матричная факторизация....177 Прогнозирование связей с помощью эмбеддингов узлов....179 Знакомство с графовыми автоэнкодерами....179 Знакомство с вариационными графовыми автоэнкодерами....180 Реализация VGAE....181 Прогнозирование связей с помощью SEAL....185 Знакомство с фреймворком SEAL....185 Реализация фреймворка SEAL....187 Выводы....193 Дополнительное чтение....193 Глава 11. Генерация графов с помощью графовых нейронных сетей....195 Технические требования....196 Генерация графов с помощью традиционных методов....196 Модель Эрдеша–Реньи....196 Модель «малого мира»....199 Генерация графов с помощью графовых нейронных сейтей....200 Вариационные графовые автоэнкодеры....201 Авторегрессионные модели....203 Генеративные состязательные сети (GAN)....204 Генерация молекул с помощью MolGAN....206 Выводы....211 Дополнительное чтение....211 Глава 12. Обучение на гетерогенных графах....213 Технические требования....214 Нейронная сеть передачи сообщений....214 Знакомство с гетерогенными графами....216 Преобразование гомогенных GNN в гетерогенные GNN....220 Реализация иерархической нейронной сети с самовниманием....227 Выводы....230 Дополнительное чтение....231 Глава 13. Темпоральные графовые нейронные сети....232 Технические требования....233 Знакомство с динамическими графами....233 Прогнозирование веб-трафика....234 Знакомство с EvolveGCN....234 Реализация EvolveGCN....237 Прогнозирование случаев COVID-19....244 Знакомство с MPNN-LSTM....245 Реализация MPNN-LSTM....246 Выводы....251 Дополнительное чтение....252 Глава 14. Интерпретация графовых нейронных сетей....253 Технические требования....254 Знакомство с методами интерпретации....254 Интерпретация графовых нейронных сетей с помощью GNNExplainer....255 Знакомство с GNNExplainer....255 Реализация GNNExplainer....257 Интерпретация графовых нейронных сетей с помощью Captum....262 Знакомство с Captum и методом интегрированных градиентов....262 Реализация метода интегрированных градиентов....263 Выводы....268 Дополнительное чтение....268 Часть IV. ЗАДАЧИ....270 Глава 15. Прогнозирование трафика с помощью A3T-GCN....271 Технические требования....272 Исследование набора данных PeMS-M....272 Обработка набора данных....277 Реализация архитектуры A3T-GCN....282 Выводы....287 Дополнительное чтение....288 Глава 16. Построение рекомендательной системы с помощью LightGCN....289 Технические требования....290 Исследование набора данных Book-Crossing....290 Предварительная обработка набора данных Book-Crossing....296 Реализация архитектуры LightGCN....300 Выводы....312 Дополнительное чтение....312 Глава 17. Обнаружение аномалий с по­мощью гетерогенных графовых нейронных сетей....314 Технические требования....315 Исследование набора данных CIDDS-001....315 Предварительная обработка набора данных CIDDS-001....320 Реализация гетерогенной GNN....328 Выводы....334 Дополнительное чтение....335 Глава 18. Раскрытие потенциала графовых нейронных сетей в реальных задачах....336 Предметный указатель....338