Apprentissage par transfert avec réseaux de neurones sur graphes
L'apprentissage par transfert avec réseaux de neurones sur graphes (GNNs) adapte un GNN pré-entraîné sur un grand jeu de données source de graphes à une tâche cible sur graphe plus petite, souvent pauvre en étiquettes. En réutilisant les représentations de nœuds et d'arêtes apprises, cette approche obtient de fortes performances prédictives là où la collecte de données de graphes étiquetées suffisantes est coûteuse ou lente — comme c'est souvent le cas en chimie, en biologie et dans l'analyse des réseaux sociaux.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/fr/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.
- Réseau neuronal à graphesAnalyse de réseaux↔ compare
- Transfer Learning avec Classification basée sur BERTApprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal convolutifApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →