Réseau neuronal profond sur graphe faiblement supervisé
Un réseau neuronal profond sur graphe faiblement supervisé (WS-GNN) est une approche d'apprentissage profond sur graphe qui apprend à partir de données structurées en graphe — nœuds, arêtes et leurs attributs — lorsque seules des étiquettes bruitées, partielles ou obtenues indirectement sont disponibles. En couplant la propagation de messages des GNN avec des stratégies d'entraînement robustes au bruit, il étend l'apprentissage sur graphe à des contextes du monde réel où les graphes propres et entièrement annotés sont rares ou coûteux à obtenir.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/fr/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.
- Réseau de neurones convolutifs sur graphes (GCN)Apprentissage profond↔ compare
- Réseau neuronal à graphesAnalyse de réseaux↔ compare
- Propagation d'étiquettesApprentissage automatique↔ compare
- Réseau neuronal graphique semi-superviséApprentissage profond↔ compare
- Réseau neuronal convolutif faiblement superviséApprentissage profond↔ compare
- Transformeur faiblement superviséApprentissage profond↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →