Red Neuronal de Grafos Semi-supervisada
Una red neuronal de grafos semi-supervisada entrena una GNN sobre un grafo en el que solo una pequeña fracción de nodos tiene etiquetas, utilizando el paso de mensajes de vecinos para propagar información de los nodos etiquetados a los no etiquetados. El enfoque, popularizado por la Red Convolucional de Grafos de Kipf y Welling (2017), logra una alta precisión en la clasificación de nodos incluso cuando los ejemplos etiquetados son escasos.
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. 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Graph Neural Network (GNN with Label Propagation). ScholarGate. https://scholargate.app/es/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.
- Red Neuronal Convolucional de Grafos (GCN)Aprendizaje profundo↔ compare
- Redes Neuronales de GrafosAnálisis de redes↔ compare
- Propagación de EtiquetasAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →