本書首先詳細介紹圖的定義及其與人工智能認知智能階段的關系，并系統(tǒng)介紹目前有望推動認知智能發(fā)展的圖智能算法，即圖神經網絡算法的定義和主流模型。同時，基于圖神經網絡算法深入剖析加速圖智能算法面臨的挑戰(zhàn)，給出圖智能芯片的設計藝術。然后，以本書提出的圖神經網絡芯片設計為例，分析圖智能芯片的具體設計核心和設計技術，并系統(tǒng)地歸納和分析圖神經網絡芯片設計的相關工作。最后，對圖智能芯片的發(fā)展進行總結和展望。
目錄
前言
第1章 緒論 1
1.1 人工智能三階段 1
1.2 圖神經網絡 3
1.3 圖智能芯片 4
1.4 本章小結 5
參考文獻 5
第2章 人工智能的發(fā)展 6
2.1 運算智能 6
2.1.1 早期人工智能 6
2.1.2 博弈中的應用 7
2.2 感知智能 7
2.2.1 算法理論的發(fā)展 8
2.2.2 硬件的推動 14
2.2.3 應用實踐的開發(fā) 17
2.3 認知智能 19
2.4 本章小結 21
參考文獻 21
第3章 圖與認知智能 23
3.1 無處不在的圖 23
3.1.1 圖的定義 23
3.1.2 圖的應用 28
3.2 圖與認知智能的關系 30
3.2.1 圖表示蘊含知識 30
3.2.2 圖結構支撐關系推理 31
3.3 本章小結 33
參考文獻 33
第4章 圖神經網絡 34
4.1 圖神經網絡的定義 34
4.1.1 什么是圖神經網絡 34
4.1.2 圖神經網絡與神經網絡的異同 35
4.2 圖神經網絡的重要性 36
4.3 圖神經網絡的主流模型 37
4.3.1 典型圖神經網絡模型 38
4.3.2 圖卷積網絡 41
4.4 本章小結 43
參考文獻 43
第5章 圖神經網絡的挑戰(zhàn) 45
5.1 現(xiàn)代主流執(zhí)行平臺 45
5.2 圖神經網絡的執(zhí)行分析 48
5.3 圖神經網絡的執(zhí)行挑戰(zhàn) 51
5.3.1 計算的挑戰(zhàn) 52
5.3.2 訪存的挑戰(zhàn) 53
5.3.3 靈活性與可編程性 53
5.4 本章小結 54
參考文獻 54
第6章 圖神經網絡芯片設計 55
6.1 圖神經網絡芯片的設計藝術 55
6.1.1 摩爾定律放緩和登納德縮放比例定律失效 55
6.1.2 面向專用領域的設計 56
6.2 圖神經網絡算法到芯片的映射 57
6.2.1 圖神經網絡編程模型 58
6.2.2 編程模型到芯片的映射 59
6.3 圖神經網絡芯片設計案例 60
6.3.1 HyGCN設計思想 61
6.3.2 HyGCN應對計算層次挑戰(zhàn) 61
6.3.3 HyGCN應對片上訪存層次挑戰(zhàn) 63
6.3.4 HyGCN應對片外訪存層次挑戰(zhàn) 64
6.3.5 實驗分析 65
6.4 圖神經網絡芯片相關工作 69
6.4.1 計算層次關鍵技術 69
6.4.2 片上訪存層次關鍵技術 71
6.4.3 片外訪存層次關鍵技術 76
6.5 本章小結 79
參考文獻 80
第7章 圖智能芯片的發(fā)展與展望 82
7.1 圖結構數(shù)據(jù) 82
7.2 圖智能算法 83
7.3 圖智能芯片 84
7.4 本章小結 86
參考文獻 86
新書資訊