Red Neuronal de Grafos Débilmente Supervisada
Una Red Neuronal de Grafos Débilmente Supervisada (WS-GNN) es un enfoque de aprendizaje profundo de grafos que aprende de datos estructurados en grafos —nodos, aristas y sus atributos— cuando solo se dispone de etiquetas ruidosas, parciales u obtenidas indirectamente. Al acoplar la propagación de mensajes de GNN con estrategias de entrenamiento robustas al ruido, extiende el aprendizaje de grafos a entornos del mundo real donde los grafos limpios y completamente anotados son escasos o costosos de obtener.
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. In Proceedings of the 5th International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, J., Cui, G., Hu, S., Zhang, Z., Yang, C., Liu, Z., Wang, L., Li, C., & Sun, M. (2020). Graph neural networks: A review of methods and applications. AI Open, 1, 57–81. DOI: 10.1016/j.aiopen.2021.01.001 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/es/deep-learning/weakly-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
- Red Neuronal de Grafos Semi-supervisadaAprendizaje profundo↔ compare
- Red Neuronal Convolucional Débilmente SupervisadaAprendizaje profundo↔ compare
- Transformador con Supervisión DébilAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →