MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
04830nam a22004335i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
368141 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20230102121711.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA--CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| campo de control de longitud fija |
a||||fo|||| 00| 0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
220103s2022 si | s |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9789811660542 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-981-16-6054-2 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| Centro/agencia modificador |
ES-MaUEC |
| 050 #4 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
QA76.87 |
| Número de documento/Ítem |
2022 EB |
| 245 00 - MENCIÓN DE TÍTULO |
|---|
| Título |
Graph Neural Networks : |
| Resto del título |
Foundations, Frontiers, and Applications |
| Mención de responsabilidad, etc. |
edited by Lingfei Wu, Peng Cui, Jian Pei, Liang Zhao |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
First edition 2022 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Singapore |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publising |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2022 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea (XXXVI, 689 páginas) |
| Otras características físicas |
1 ilustraciones |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Fuente |
rdacontent |
| Término de tipo de contenido |
Texto |
| Código de tipo de contenido |
txt |
| 337 ## - TIPO DE MEDIO |
|---|
| Fuente |
rdamedia |
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| 338 ## - TIPO DE SOPORTE |
|---|
| Fuente |
rdacarrier |
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
archivo de texto |
| Formato de codificación |
PDF |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Chapter 1. Representation Learning -- Chapter 2. Graph Representation Learning -- Chapter 3. Graph Neural Networks -- Chapter 4. Graph Neural Networks for Node Classification -- Chapter 5. The Expressive Power of Graph Neural Networks -- Chapter 6. Graph Neural Networks: Scalability -- Chapter 7. Interpretability in Graph Neural Networks -- Chapter 8. "Graph Neural Networks: Adversarial Robustness" -- Chapter 9. Graph Neural Networks: Graph Classification -- Chapter 10. Graph Neural Networks: Link Prediction -- Chapter 11. Graph Neural Networks: Graph Generation -- Chapter 12. Graph Neural Networks: Graph Transformation -- Chapter 13. Graph Neural Networks: Graph Matching -- Chapter 14. "Graph Neural Networks: Graph Structure Learning". Chapter 15. Dynamic Graph Neural Networks -- Chapter 16. Heterogeneous Graph Neural Networks -- Chapter 17. Graph Neural Network: AutoML -- Chapter 18. Graph Neural Networks: Self-supervised Learning -- Chapter 19. Graph Neural Network in Modern Recommender Systems -- Chapter 20. Graph Neural Network in Computer Vision -- Chapter 21. Graph Neural Networks in Natural Language Processing -- Chapter 22. Graph Neural Networks in Program Analysis -- Chapter 23. Graph Neural Networks in Software Mining -- Chapter 24. "GNN-based Biomedical Knowledge Graph Mining in Drug Development" -- Chapter 25. "Graph Neural Networks in Predicting Protein Function and Interactions" -- Chapter 26. Graph Neural Networks in Anomaly Detection -- Chapter 27. Graph Neural Networks in Urban Intelligence. |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
Deep Learning models are at the core of artificial intelligence research today. It is well known that deep learning techniques are disruptive for Euclidean data, such as images or sequence data, and not immediately applicable to graph-structured data such as text. This gap has driven a wave of research for deep learning on graphs, including graph representation learning, graph generation, and graph classification. The new neural network architectures on graph-structured data (graph neural networks, GNNs in short) have performed remarkably on these tasks, demonstrated by applications in social networks, bioinformatics, and medical informatics. Despite these successes, GNNs still face many challenges ranging from the foundational methodologies to the theoretical understandings of the power of the graph representation learning. This book provides a comprehensive introduction of GNNs. It first discusses the goals of graph representation learning and then reviews the history, current developments, and future directions of GNNs. The second part presents and reviews fundamental methods and theories concerning GNNs while the third part describes various frontiers that are built on the GNNs. The book concludes with an overview of recent developments in a number of applications using GNNs. This book is suitable for a wide audience including undergraduate and graduate students, postdoctoral researchers, professors and lecturers, as well as industrial and government practitioners who are new to this area or who already have some basic background but want to learn more about advanced and promising techniques and applications. |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_Computer_2022 |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
678664 |
| Término de materia o nombre geográfico como elemento de entrada |
Redes neuronales artificiales |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
146336 |
| Término de materia o nombre geográfico como elemento de entrada |
Grafos, Teoría de |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Wu, Lingfei |
| Término indicativo de función/relación |
editor literario |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Cui, Peng |
| Término indicativo de función/relación |
editor literario |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Pei, Jian |
| Término indicativo de función/relación |
editor literario |
| 700 1# - PUNTO DE ACCESO ADICIONAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Zhao, Liang |
| Término indicativo de función/relación |
editor literario |
| 773 0# - ENLACE AL DOCUMENTO FUENTE/ENTRADA DE REGISTRO ANFITRIÓN |
|---|
| Título |
Springer Nature eBook |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-981-16-6054-2 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 999 ## - NÚMEROS DE CONTROL DE SISTEMA (KOHA) |
|---|
| -- |
1 |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |
| Suprimir en OPAC |
No |
| 998 ## - DATOS ESTADÍSTICOS |
|---|
| Fecha de catalogación |
03/2022 |
| Tipo de materia |
E-book |
| Catalogador |
Sara Morillo |
| Catalogado |
Sí |