Puoliksi ohjattu graafineuraaliverkko
Puoliksi ohjattu graafineuraaliverkko (GNN) kouluttaa GNN:ää graafissa, jossa vain pieni osa solmuista sisältää tunnisteita. Verkko hyödyntää naapuruston viestinvälitystä levittääkseen tietoa merkityistä solmuista merkitsemättömiin. Kipf ja Wellingin vuonna 2017 julkaisema graafikonvoluutioverkko (GCN) popularisoi lähestymistavan, joka saavuttaa vahvan solmuluokittelutarkkuuden, vaikka merkittyjä esimerkkejä olisi vähän.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Graph Neural Network (GNN with Label Propagation). ScholarGate. https://scholargate.app/fi/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.
- Graafikonvoluutioverkko (GCN)Syväoppiminen↔ compare
- GraafineuraaliverkkoVerkostoanalyysi↔ compare
- Label PropagationKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →