Introduction – 图神经网络公社

大家好 😊，欢迎来到我的个人博客：图神经网络公社 🚀！我是社区的创建者于浩文 ✨。我将在社区中不断开源深度学习相关算法与项目 💻，尤其是图神经网络领域相关知识 🌐。希望大家多多支持 🙌！

B站账户：DeepFinder

About me

教育背景

曼彻斯特大学硕士（2022----2023）
南安普顿大学硕士（2020----2021）
山东科技大学学士（2016----2020）

工作经历

点头教育联合创始人（2022----至今）
自动驾驶算法工程师（2021----2022）

兴趣爱好

计算机视觉
药物设计
大模型
旅游，健身，打游戏...

About my books

《图像识别---深度学习模型理论与实战》

本书专注于深度学习在图像识别领域的应用。不仅详细讲解了各种模型的理论知识，还为读者提供了丰富的实践操作指南。旨在为读者提供一个从基础到高级的全方位指导，涵盖2012至2023间的经典和前沿模型。

本书在第一章介绍了人工智能在计算机视觉领域的现状，第二章和第三章是编程基础章节，有基础的同学可以跳过阅读。第四章和第五章详细讲解了卷积算法和基于卷积算法具有里程碑意义的模型。第六章介绍了工业中常用的轻量级卷积模型。第七章和第八章对现阶段前沿的图像识别模型进行了讲解。

本书适合对图像识别领域感兴趣的本科生、研究生、以及图像识别从业者。对于新入门的同学，本书提供了丰富的预备知识；而对于有经验的读者，可以直接跳入高级章节。

更多介绍请阅读博文[LINKE:图像识别---深度学习模型理论与实战]

《全解深度学习九大核心算法》

本书专注于介绍基于深度学习的算法。从探索深度学习的数学基础和理论架构，到九大经典的深度学习算法，旨在为读者提供一个从基础到高级的全方位指导。截至 2024 年，书中介绍的 9 个算法几乎涵盖了整个深度学习领域的经典和前沿算法。

本书在第 1 章和第 2 章介绍了深度学习的基础：数学基础与神经网络算法。从第 3 章开始，书籍逐步引领读者进入深度学习的核心领域，即一些基于神经网络的变体算法：卷积神经网络、循环神经网络、编码器-解码器模型，以及目前火热的变形金刚算法、生成对抗网络和扩散模型。这些章节不仅讲解了各个模型的基础理论和关键技术，还详细介绍了这些模型在自然语言处理、计算机视觉等领域的应用案例。书籍的后半部分聚焦于图神经网络和强化学习这些前沿算法，深入浅出地讲解了它们的基础知识、算法变体及经典模型等高级话题。
这些内容为读者理解和应用深度学习技术提供了坚实的理论基础。

本书适合对深度学习领域感兴趣的本科生、研究生及相关行业的从业者阅读。本书旨在帮助读者掌握深度学习的核心技术，激发创新思维，推动个人和行业的发展。

更多介绍请阅读博文[LINKE:全解深度学----九大核心算法]

《几何深度学习》

本书专注于几何深度学习及其在图神经网络领域中的应用，涵盖了从数学基础到前沿模型的全面指导，同时结合实际项目案例，帮助读者深入理解几何深度学习的复杂概念。书中不仅详细阐述了各类算法的理论背景，还提供了实际操作指南，为读者提供了理论与实践相结合的全面支持。

第一章和第二章介绍了几何深度学习的数学与算法基础。第一章涵盖了高等数学、线性代数、图论、群论及量子力学等内容，为读者奠定坚实的理论基础。第二章则探讨了CNN、LSTM、Transformer和GAN等主流深度学习算法，并引出其后续在几何深度学习中的应用。第三章深入分析了图神经网络，重点介绍了各类模型及其变体，突出图神经网络在几何深度学习中的重要地位。第四章和第五章分别探讨了不变性与等变性概念及其在几何图神经网络中的应用，深入剖析了这些核心理念在模型构建中的作用。不变性与等变性是几何深度学习的核心理念，也是实现模型鲁棒性和泛化能力的关键。第六章围绕E3NN工具库展开，这是一个强大的开源库，专门用于处理具有旋转对称性的三维数据。通过对E3NN中关键组件的详细解析，包括等变卷积和SE(3)-Transformer的实现，读者将学会如何利用这些工具解决实际问题，并进一步拓展其在几何深度学习中的应用。

几何深度学习在解决生物、化学、材料、物理及工程等领域的问题上有着广泛应用。从粒子、原子、分子、蛋白质到晶体，以及点云数据和更大尺度的天体、星系数据等，几何深度学习能够高效建模相关数据。本书适合对几何深度学习和图神经网络感兴趣的研究人员及相关领域的从业者。

已完稿，预计2025年上半年出版，敬请期待...