[REQUIRES TRANSLATION]
Les Xarxes Neuronals de Grafs Explicables (XAI-GNN) combinen arquitectures GNN estàndard amb tècniques d'explicació post-hoc o intrínseques que revelen quins nodes, arestes i característiques de nodes van impulsar la predicció d'un model. Pionera per GNNExplainer (Ying et al., 2019), aquesta disciplina aborda la crítica de la caixa negra de les GNN i és essencial allà on les prediccions basades en grafs han de ser confiables o auditades.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/ca/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.
- Classificació basada en BERT explicableAprenentatge profund↔ compare
- Transformer ExplicableAprenentatge profund↔ compare
- Xarxa Neuronal de GrafsAnàlisi de xarxes↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →