本書專注于幾何深度學(xué)習(xí)及其在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域中的應(yīng)用, 涵蓋了從數(shù)學(xué)基礎(chǔ)到前沿模型的全面指導(dǎo), 同時結(jié)合實際項目案例, 幫助讀者深入地理解幾何深度學(xué)習(xí)的復(fù)雜概念。書中不僅詳細(xì)闡述了各類算法的理論背景, 還提供了實際操作指南, 為讀者提供了理論與實踐相結(jié)合的全面支持。第1章和第2章介紹了幾何深度學(xué)習(xí)的數(shù)學(xué)與算法基礎(chǔ)。第1章涵蓋了高等數(shù)學(xué)、線性代數(shù)、圖論、群論及量子力學(xué)等內(nèi)容,為讀者奠定堅實的理論基礎(chǔ)。第2章則探討了CNN、LSTM、Transformer和GAN等主流深度學(xué)習(xí)算法, 并引出其后續(xù)在幾何深度學(xué)習(xí)中的應(yīng)用。第3章深入分析了圖神經(jīng)網(wǎng)絡(luò), 重點介紹了各類模型及其變體, 突出圖神經(jīng)網(wǎng)絡(luò)在幾何深度學(xué)習(xí)中的重要地位。第4章和第5章分別探討了不變性與等變性概念及其在幾何圖神經(jīng)網(wǎng)絡(luò)中的應(yīng)用, 深入剖析了這些核心理念在模型構(gòu)建中的作用。不變性與等變性是幾何深度學(xué)習(xí)的核心理念, 也是實現(xiàn)模型穩(wěn)健性和泛化能力的關(guān)鍵。第6章圍繞E3NN工具庫展開, 這是一個強(qiáng)大的開源庫, 專門用于處理具有旋轉(zhuǎn)對稱性的三維數(shù)據(jù)。通過對E3NN中關(guān)鍵組件的詳細(xì)解析, 包括等變卷積和SE (3)-Transformer的實現(xiàn), 讀者將學(xué)會如何利用這些工具解決實際問題, 并進(jìn)一步拓展其在幾何深度學(xué)習(xí)中的應(yīng)用。