Slabě řízené grafové neuronové sítě
Slabě řízené grafové neuronové sítě (WS-GNN) představují přístup hlubokého učení na grafech, který se učí z dat strukturovaných do grafu – uzlů, hran a jejich atributů – když jsou k dispozici pouze šumová, neúplná nebo nepřímo získaná označení. Spojením přenosu zpráv GNN se strategiemi robustního učení vůči šumu rozšiřuje učení na grafech na reálné scénáře, kde jsou čisté, plně anotované grafy vzácné nebo nákladné na získání.
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
- Kipf, T. N., & Welling, M. (2017). Semi-supervised classification with graph convolutional networks. In Proceedings of the 5th International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, J., Cui, G., Hu, S., Zhang, Z., Yang, C., Liu, Z., Wang, L., Li, C., & Sun, M. (2020). Graph neural networks: A review of methods and applications. AI Open, 1, 57–81. DOI: 10.1016/j.aiopen.2021.01.001 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/cs/deep-learning/weakly-supervised-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 konvoluční síť (GCN)Hluboké učení↔ compare
- Grafová neuronová síťAnalýza sítí↔ compare
- Propagace popiskůStrojové učení↔ compare
- Polo-řízená grafová neuronová síťHluboké učení↔ compare
- Konvoluční neuronová síť se slabým dohledemHluboké učení↔ compare
- Slabě supervizovaný TransformerHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →