ব্যাখ্যাযোগ্য গ্রাফ নিউরাল নেটওয়ার্ক
ব্যাখ্যাযোগ্য গ্রাফ নিউরাল নেটওয়ার্ক (XAI-GNN) স্ট্যান্ডার্ড GNN আর্কিটেকচারগুলিকে পোস্ট-হক বা অন্তর্নিহিত ব্যাখ্যা কৌশলগুলির সাথে একত্রিত করে যা একটি মডেলের ভবিষ্যদ্বাণীকে কোন নোড, এজ এবং নোড বৈশিষ্ট্যগুলি চালিত করেছে তা প্রকাশ করে। GNNExplainer (Ying et al., 2019) দ্বারা অগ্রগামী, এই ক্ষেত্রটি GNN-এর ব্ল্যাক-বক্স সমালোচনার সমাধান করে এবং যেখানেই গ্রাফ-ভিত্তিক ভবিষ্যদ্বাণীগুলি বিশ্বাসযোগ্য বা নিরীক্ষিত হতে হবে সেখানেই অপরিহার্য।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Ying, Z., Bourgeois, D., You, J., Zitnik, M., & Leskovec, J. (2019). GNNExplainer: Generating Explanations for Graph Neural Networks. Advances in Neural Information Processing Systems (NeurIPS), 32, 9240–9251. link ↗
- Yuan, H., Yu, H., Gui, S., & Ji, S. (2023). Explainability in Graph Neural Networks: A Taxonomic Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(5), 5782–5799. DOI: 10.1109/TPAMI.2022.3204236 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/bn/deep-learning/explainable-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.
- ব্যাখ্যাযোগ্য BERT-ভিত্তিক শ্রেণীবিভাগগভীর শিখন↔ compare
- ব্যাখ্যাযোগ্য ট্রান্সফরমার (Explainable Transformer)গভীর শিখন↔ compare
- গ্রাফ নিউরাল নেটওয়ার্কনেটওয়ার্ক বিশ্লেষণ↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →