Redes Neuronales de Grafos Explicables
Las Redes Neuronales de Grafos Explicables (XAI-GNN) combinan arquitecturas de GNN estándar con técnicas de explicación post-hoc o intrínsecas que revelan qué nodos, aristas y características de nodos impulsaron la predicción de un modelo. Pionero por GNNExplainer (Ying et al., 2019), el campo aborda la crítica de la caja negra de las GNN y es esencial siempre que las predicciones basadas en grafos deban ser confiables o auditadas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/es/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.
- Clasificación Explicable Basada en BERTAprendizaje profundo↔ compare
- Transformador ExplicableAprendizaje profundo↔ compare
- Redes Neuronales de GrafosAnálisis de redes↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →