Přenosové učení s grafovými neuronovými sítěmi
Přenosové učení s grafovými neuronovými sítěmi (GNN) adaptuje GNN předtrénovanou na velkém zdrojovém datovém souboru grafů pro menší, často na štítky chudý cílový grafový úkol. Opětovným použitím naučených reprezentací uzlů a hran tento přístup dosahuje silného prediktivního výkonu tam, kde je sběr dostatečných označených grafových dat nákladný nebo pomalý — jak je běžné v chemii, biologii a analýze sociálních sítí.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/cs/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.
- Grafová neuronová síťAnalýza sítí↔ compare
- Přenosové učení s klasifikací založenou na BERTuHluboké učení↔ compare
- Přenosové učení s konvoluční neuronovou sítíHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →