Semi-overvåget grafneuralt netværk
Et semi-overvåget grafneuralt netværk træner et GNN på en graf, hvor kun en lille brøkdel af knudepunkter bærer etiketter, ved hjælp af naboskabsmeddelelsespassage for at sprede information fra mærkede knudepunkter til umærkede. Tilgangen, populariseret af Kipf og Wellings 2017 Graph Convolutional Network, opnår stærk nøjagtighed i knudeklassificering, selv når mærkede eksempler er knappe.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, D., Bousquet, O., Lal, T. N., Weston, J., & Scholkopf, B. (2004). Learning with Local and Global Consistency. Advances in Neural Information Processing Systems (NeurIPS 2004), 17. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Graph Neural Network (GNN with Label Propagation). ScholarGate. https://scholargate.app/da/deep-learning/semi-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.
- Graph Convolutional Network (GCN)Dyb læring↔ compare
- Grafneuralt netværkNetværksanalyse↔ compare
- Label PropagationMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →