Слабо наблюдавани графови невронни мрежи
Слабо наблюдаваната графова невронна мрежа (WS-GNN) е подход за дълбоко обучение на графи, който се учи от данни със графова структура — възли, ребра и техните атрибути — когато са налични само шумни, частични или индиректно получени етикети. Чрез съчетаване на предаване на съобщения от GNN с устойчиви на шум стратегии за обучение, тя разширява графовото обучение до реални условия, където чисти, напълно анотирани графи са оскъдни или скъпи за получаване.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Kipf, T. N., & Welling, M. (2017). Semi-supervised classification with graph convolutional networks. In Proceedings of the 5th International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, J., Cui, G., Hu, S., Zhang, Z., Yang, C., Liu, Z., Wang, L., Li, C., & Sun, M. (2020). Graph neural networks: A review of methods and applications. AI Open, 1, 57–81. DOI: 10.1016/j.aiopen.2021.01.001 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/bg/deep-learning/weakly-supervised-graph-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Графови конволюционни мрежи (GCN)Дълбоко обучение↔ compare
- Графови невронни мрежиМрежови анализ↔ compare
- Label PropagationМашинно обучение↔ compare
- Полу-наблюдавана невронна мрежа върху графДълбоко обучение↔ compare
- Слабо наблюдавани конволюционни невронни мрежиДълбоко обучение↔ compare
- Слабо контролиран ТрансформърДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →