Redes Neuronales de Grafos
Una Red Neuronal de Grafos (GNN, por sus siglas en inglés) es un método de aprendizaje profundo, popularizado por Kipf y Welling en 2017 con la Red Convolucional de Grafos, que aprende de las relaciones en estructuras de red (grafos) compuestas por nodos y aristas. Está diseñada para datos que son naturalmente relacionales, como redes sociales, estructuras moleculares y sistemas de recomendación.
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
- Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. ICLR. link ↗
- Veličković, P. et al. (2018). Graph Attention Networks. ICLR. link ↗
- Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/es/deep-learning/gnn
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 de imágenes con CNNAprendizaje profundo↔ compare
- Random ForestAprendizaje automático↔ compare
- Máquina de Vectores de Soporte (Clasificación)Aprendizaje automático↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →