AI GNN再進化-圖神經網路完整學習及應用大全 (1版)

類似書籍推薦給您

內容簡介 　　本書全面介紹了圖神經網路的各個方面，包括基礎理論、前沿問題，以及模型算法和實際應用。 　　全書共分為四部分，27章。首部分為引言，探討了機器學習的效率與資料在特徵空間中的表示方法的關係，並著重於圖表示學習的目標與方法。 　　第二部分討論了圖神經網路的基礎問題，包括表現能力、可擴展性、可解釋性和對抗堅固性等問題，並強調了圖神經網路所面對的獨特挑戰。 　　第三部分則著重於前沿問題，包括圖分類、連接預測、圖生成、圖轉換、圖匹配、圖結構學習、動態圖神經網路、異質圖神經網路、自動機器學習和自監督學習等領域的現狀和未來趨勢。 　　最後一部分則廣泛討論了圖神經網路在現代推薦系統、計算機視覺、自然語言處理、程序分析、藥物開發等領域的應用。 目錄 第一部分 引 言 第1章 表徵學習 1.1 導讀 1.2 不同領域的表徵學習 1.3 小結 第2章 圖表徵學習 2.1 導讀 2.2 傳統圖嵌入方法 2.3 現代圖嵌入方法 2.4 圖神經網路 2.5 小結 第3章 圖神經網路 3.1 導讀 3.2 圖神經網路概述 3.3 小結 第二部分 基 礎 第4章 用於節點分類的圖神經網路 4.1 背景和問題定義 4.2 有監督的圖神經網路 4.3 無監督的圖神經網路 4.4 過平滑問題 4.5 小結 第5章 圖神經網路的表達能力 5.1 導讀 5.2 圖表徵學習和問題的提出 5.3 強大的訊息傳遞圖神經網路 5.4 比1-WL測試更強大的圖神經網路架構 5.5 小結 第6章 圖神經網路的可擴充性 6.1 導讀 6.2 引言 6.3 抽樣範式 6.4 大規模圖神經網路在推薦系統中的應用 6.5 未來的方向 第7章 圖神經網路的可解釋性 7.1 背景：深度模型的可解釋性 7.2 圖神經網路的解釋方法 7.3 圖神經網路的可解釋模型 7.4 圖神經網路解釋的評估 7.5 未來的方向 第8章 圖神經網路的對抗堅固性 8.1 動機 8.2 圖神經網路的局限性：對抗性樣本 8.3 可證明的堅固性：圖神經網路的驗證 8.4 提高圖神經網路的堅固性 8.5 從堅固性的角度進行適當評估 8.6 小結 第三部分 前 沿 第9章 圖分類 9.1 導讀 9.2 用於圖分類的圖神經網路：典型工作和現代架構 9.3 池化層：從節點級輸出學習圖級輸出 9.4 圖神經網路和高階層在圖分類中的局限性 9.5 圖神經網路在圖分類中的應用 9.6 基準資料集 9.7 小結 第10章 連結預測 10.1 導讀 10.2 傳統的連結預測方法 10.3 以GNN為基礎的連結預測方法 10.4 連結預測的理論 10.5 未來的方向 第11章 圖生成 11.1 導讀 11.2 經典的圖生成模型 11.3 深度圖生成模型 11.4 小結 第12章 圖轉換 12.1 圖轉換問題的形式化 12.2 節點級轉換 12.3 邊級轉換 12.4 節點-邊共轉換 12.5 其他以圖為基礎的轉換 12.6 小結 第13章 圖匹配 13.1 導讀 13.2 圖匹配學習 13.3 圖相似性學習 13.4 小結 第14章 圖結構學習 14.1 導讀 14.2 傳統的圖結構學習 14.3 圖神經網路的圖結構學習 14.4 未來的方向 14.5 小結 第15章 動態圖神經網路 15.1 導讀 15.2 背景和標記法 15.3 動態圖的類型 15.4 用圖神經網路對動態圖進行建模 15.5 應用 15.6 小結 第16章 異質圖神經網路 16.1 HGNN簡介 16.2 淺層模型 16.3 深度模型 16.4 回顧 16.5 未來的方向 第17章 自動機器學習 17.1 背景 17.2 搜尋空間 17.3 搜尋演算法 17.4 未來的方向 第18章 自監督學習 18.1 導讀 18.2 自監督學習概述 18.3 將SSL應用於圖神經網路：對訓練策略、損失函數和代理任務進行分類 18.4 節點級代理任務 18.5 圖級代理任務 18.6 節點-圖級代理任務 18.7 討論 18.8 小結 第四部分 廣泛和新興的應用 第19章 現代推薦系統中的圖神經網路 19.1 圖神經網路在推薦系統中的實踐 19.2 案例研究1：動態的GNN學習 19.3 案例研究2：裝置-雲端協作的GNN學習 19.4 未來的方向 第20章 電腦視覺中的圖神經網路 20.1 導讀 20.2 將視覺表徵為圖 20.3 案例研究1：影像 20.4 案例研究2：視訊 20.5 其他相關工作：跨媒體 20.6 圖神經網路在電腦視覺中的前端問題 20.7 小結 第21章 自然語言處理中的圖神經網路 圖神經網路 21.1 導讀 21.2 將文字建模為圖 21.3 案例研究1：以圖為基礎的文字聚類和匹配 21.4 案例研究2：以圖為基礎的中繼站閱讀理解 21.5 未來的方向 21.6 小結 第22章 程式分析中的圖神經網路 22.1 導讀 22.2 程式分析中的機器學習 22.3 程式的圖表徵 22.4 用於程式圖的圖神經網路 22.5 案例研究1：檢測變數誤用缺陷 22.6 案例研究2：預測動態類型化語言中的類型 22.7 未來的方向 第23章 軟體挖掘中的圖神經網路 23.1 導讀 23.2 將軟體建模為圖 23.3 相關的軟體挖掘任務 23.4 軟體挖掘任務實例：原始程式碼總結 23.5 小結 第24章 藥物開發中以圖神經網路為基礎的生物醫學知識圖譜挖掘 生物醫學知識圖譜挖掘 24.1 導讀 24.2 現有的生物醫學知識圖譜 24.3 知識圖譜的推理 24.4 藥物開發中以KG為基礎的假設生成 24.5 未來的方向 第25章 預測蛋白質功能和相互作用的圖神經網路 25.1 從蛋白質的相互作用到功能簡介 25.2 三個典型的案例研究 25.3 未來的方向 第26章 異常檢測中的圖神經網路 26.1 導讀 26.2 以GNN為基礎的異常檢測的問題 26.3 管線 26.4 分類法 26.5 案例研究 26.6 未來的方向 第27章 智慧城市中的圖神經網路 27.1 用於智慧城市的圖神經網路 27.2 未來的方向 參考文獻

從JCI到CARF：復健醫療品質國際認證之路

類似書籍推薦給您

書名：從 JCI 到 CARF：復健醫療品質國際認證之路 作者：衛生福利部雙和醫院 出版社：五南 出版日期：2018/09/01 ISBN：9789571195100 內容簡介 　　CARF是Commission on Accreditation of Rehabilitation Facilities的簡稱，意思為國際復健機構認證委員會。CARF認證的範疇相當廣，從高齡服務、行為健康、兒少服務、醫療器材、社區服務、醫療復健、鴉片類藥物治療以及視力復健都屬於他們的專業領域。CARF國際組織目前在25,000個地區，認可超過50,000項計畫及服務。高規格的認證要求，能夠幫助醫療機構提升其服務品質，進而展現出它的價值。通過CARF認證的機構，就意味著該機構的品質已符合國際標準。 　　CARF認證不單只是看醫療照護品質，它看的是整體宏觀的評估、規劃、發展、醫療照護與績效管理，強調的是各個關係人的參與，包含醫院與單位領導者、專業人員、行政人員、病人、病人家屬(照護者)及其他利益關係人。本書彙整CARF認證中所有條文，依據條文章節進行編排，包含領導風範、營運發展策略規劃、財務規劃、人力資源管理、風險管理、病人健康與安全管理、病人權益、文化差異與可近性計畫、績效評估與改善規劃、病歷紀錄等面向，將本院準備CARF認證的心路歷程與讀者分享，期許全國各復健機構能夠攜手邁上國際復健平臺，一起將臺灣高品質的醫療推展給全世界。 目錄 第一篇 CARF簡介 第一章　CARF組織介紹（劉燦宏、林靖瑛、李牧芸） 第二章　CARF評鑑的方式（周林傳） 第二篇 準備期 第一章　宏觀的領導風範（Leadership）（林瑜琦） 第二章　營運發展策略規劃（Strategic Planning）（林瑜琦、林靖瑛、劉燦宏） 第三章　財務規劃（Finance）（鄭琇仁、李碧玲、林瑜琦） 第四章　人力資源管理（Human Resources）（李紫娟、林于涵、李宛玲） 第五章　風險管理（Risk Management）（林靖瑛、林瑜琦） 第六章　病人健康與安全管理（Health and Safety）（藍正雄、吳美容、陳龍、林文川） 第七章　病人權益、文化差異與可近性計畫（Right of Persons Served, Cultural Diversity and Accessibility Plans）（李國隆、謝亨如） 第八章　績效評估與改善規劃（Performance Improvement & Outcome Management）（陳弘洲、周林傳、林立峯、林睿騏） 第九章　跨領域復健團隊（周林傳、楊政道、陳美惠） 第十章　病歷紀錄（Medical Record）（李育豪、韓和益、林立峯、林睿騏、蔡園菁） 第三篇 正式評鑑 第一章　三天行程的安排（周林傳） 第二章　人員面談的準備（胡翔越） 第四篇 行政配套 第一章　如何與CARF總部溝通協調（周林傳） 第二章　行政協調的眉角（林靖瑛） 第三章　預評的重要性（林靖瑛） 第四章　CARF翻譯人員的角色扮演（潘懿玲） 第五篇 參與CARF評鑑的期許 第一章　醫療副院長的期許（張丞圭） 第二章　醫療品質副院長的期許（程毅君） 第三章　行政副院長的期許（李思智）