Vysvětlitelné grafové neuronové sítě
Vysvětlitelné grafové neuronové sítě (XAI-GNN) kombinují standardní architektury GNN s post-hoc nebo vnitřními technikami vysvětlení, které odhalují, které uzly, hrany a příznaky uzlů poháněly predikci modelu. Tato oblast, jejímž průkopníkem byl GNNExplainer (Ying et al., 2019), řeší kritiku GNN jako „černé skříňky“ a je nezbytná všude tam, kde musí být predikce založené na grafech důvěryhodné nebo auditovatelné.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/cs/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.
- Vysvětlitelná klasifikace založená na BERTHluboké učení↔ compare
- Vysvětlitelný TransformerHluboké učení↔ compare
- Grafová neuronová síťAnalýza sítí↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →