Aprenentatge per transferència amb xarxes neuronals de grafs
L'aprenentatge per transferència amb xarxes neuronals de grafs (GNNs) adapta una GNN pre-entrenada en un gran conjunt de dades de grafs font a una tasca de grafs objectiu més petita, sovint amb escassetat de etiquetes. Reutilitzant les representacions de nodes i arestes apreses, aquest enfocament aconsegueix un rendiment predictiu sòlid on la recopilació de dades de grafs etiquetades suficients és costosa o lenta, com és comú en química, biologia i anàlisi de xarxes socials.
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
- Hu, W., Liu, B., Gomes, J., Zitnik, M., Liang, P., Pande, V., & Leskovec, J. (2020). Strategies for Pre-training Graph Neural Networks. In International Conference on Learning Representations (ICLR 2020). link ↗
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/ca/deep-learning/transfer-learning-with-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.
- Xarxa Neuronal de GrafsAnàlisi de xarxes↔ compare
- Aprenentatge per transferència amb classificació basada en BERTAprenentatge profund↔ compare
- Aprenentatge per transferència amb xarxa neuronal convolucionalAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →