《图神经网络》读后感1000字

《图神经网络》是一本由吴凌飞 / 崔鹏 / 裴健 / 赵亮著作，人民邮电出版社出版的平装图书，本书定价：178.80元，页数：420，特精心收集的读后感，希望对大家能有帮助。

《图神经网络》读后感(一)：值得一读

图神经网络现在发展的很快，但是没有多少书能完整概括这个话题的，这本书大致浏览了一下能看出整个逻辑很有条理，能看到全局的脉络，从基础到深入，触及前沿和应用。书里有些点还配上了各种图示，值得好好读一下。

今年读不少人邮和异步图书的书，质量还是不错的，现在新兴的应用很多，需要一些这样的书来帮助我们了解其中的知识。

《图神经网络》读后感(二)：图神经网络方面较优质的中文参考资料

定位上来讲，本书对图神经网络截止到2022年的最新技术做了详尽的综述。作者是领域比较严谨的专家学者，内容上不论是公式推导还是附图都看出花了很大的精力。

内容上，主要分为基础知识，前沿技术，新兴应用场景三大部分，前沿部分动态图，自监督图学习，HGNN等交火方向都有涉及（比较专业的一点是 终于见到一个把HGNN翻译成异质图而不是异构图的文献了 :) ）。

整体上干货较多，适合该方向的在校学生或行业内的开发者收藏参考。

《图神经网络》读后感(三)：系统化学习图神经网络

试读了前一部分，读之后感觉这本书写的确实不错。比较合适具有一定深度学习理论基础和GNN大致概念的学习者。相比前一本看的图神经网络的入门书籍，这一本书专业了不少。

一到三章由浅入深的从表征学习介绍到图表征学习，再到图神经网络。一种文献综述的感觉，不太了解的话可能略显吃力

第四章介绍了图神经网络领域一个重要的任务节点分类，第五章分析了GNN的表达能力，探究其局限性，之后的章节去分析了可解释性、对抗鲁棒性。并且也介绍了图领域图分类 链接预测 图生成 图转换 等一系列任务，最后去介绍了现有的一些应用场景

内容还是比较新的，不像刘知远那本gnn的书全是推导。这本书公式占比还好，更多的是像综述一样的发展内容展开

《图神经网络》读后感(四)：书评

我本人并不是人工智能专业的，自学神经网络只是作为兴趣，在这之前有试过自己查找资料学习，但是效率很低，并且神经网络作为一个庞大的系统性学科，自学并不是一个很好的选择，这本书在我看来作为我初步跨入人工智能大门的一本书还是不错的。神经网络的基础学科较多，各种算法模型，需要有较多的数学基础，我本人就读大二，虽然修完了高等数学和线性代数，但是....都知道嘛大学的课水及格了就过来，我的高数和线代也不是特别好，对后来自学神经网络造成了很多困扰。本书在这方面做的还是不错，在这些基础方面讲的较为具体，对我这种初学者较为友好。比较经典的算法模型描述还是比较详细的。在此之前我走过不少弯路，本以为学习算法需要先了解算法底层，还看了些算法导论的东西，没看多少就放弃了，因为是真的难啃。还有就是看过一些培训机构的免费直播课，...这种商业化的知识真的不适合想学习的人，一节课半节推销。所以我个人觉得书籍作为学习还是必不可少，虽然自学效率低，但是理解的会更深刻。

《图神经网络》读后感(五)：书评

本书试读了前两章，特地来写下评论。本书主要介绍了神经网络的基本概念和算法，研究前沿以及广泛和新兴的应用。全书分为四个部分。一引言，本部分介绍了神经网路的基本概念；二基础，本部分介绍了图神经网络成熟的方法，该部分可以帮助想了解图神经网络各种技术和理论的读者；三前沿，介绍了图神经网络典型的前沿领域，相信这一部分内容对图神经网络领域的进行前沿探索的人提供帮助；四广泛和新兴的应用，描述了可能对图神经网络未来研究比较重要和有前途的方法与应用进展情况。 看了前两章，书的架构还是比较不错的，适合学习。首先介绍了本章的内容概括，然后分别详细地介绍其中的内容，帮助读者理解。最后，又对章节的内容做了回顾。在第一、中，对机器学习、深度学习以及应用，做了一些简单的介绍，想要更好地理解，还需要阅读其他的知识。对于我这个门外汉来说，感觉自己太菜了，还需要补许多的东西。如果你需要读此本书并学习GNN，建议您应该对与统计学、机器学习和图论相关的概念和术语有一定了解，同时也应该有一些编码的基础，以及使用pytorch搭建模型的经验。如果你想只是简单了解图神经网络的相关背景和技术，你也可以看一下。如果你是图神经网络的相关研究人员或学生，本书也非常适合当一个综合性的手册，翻一翻，看一看，快速了解遗忘 的知识点。 总得来说，书还是不错的，也值得购买和阅读。以上只是自己的个人观点，不喜勿喷。