Aprendizaje por transferencia con redes neuronales de grafos
El aprendizaje por transferencia con redes neuronales de grafos (GNNs) adapta una GNN preentrenada en un gran conjunto de datos de grafos fuente a una tarea de grafo objetivo más pequeña, a menudo con escasez de etiquetas. Al reutilizar representaciones de nodos y aristas aprendidas, este enfoque logra un rendimiento predictivo sólido donde la recopilación de datos de grafos etiquetados suficientes es costosa o lenta, como es común en química, biología y análisis de redes sociales.
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
- Hu, W., Liu, B., Gomes, J., Zitnik, M., Liang, P., Pande, V., & Leskovec, J. (2020). Strategies for Pre-training Graph Neural Networks. In International Conference on Learning Representations (ICLR 2020). link ↗
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/es/deep-learning/transfer-learning-with-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.
- Redes Neuronales de GrafosAnálisis de redes↔ compare
- Aprendizaje por transferencia con clasificación basada en BERTAprendizaje profundo↔ compare
- Aprendizaje por transferencia con Red Neuronal ConvolucionalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →