למידת העברה עם רשתות גרפיות
למידת העברה עם רשתות גרפיות (GNNs) מתאימה GNN שאומנה מראש על מערך נתונים גדול של גרפים מקור למשימת גרף יעד קטנה, שלרוב דלה בתוויות. על ידי שימוש חוזר בייצוגי צמתים וקשתות שנלמדו, גישה זו משיגה ביצועי חיזוי חזקים במקרים בהם איסוף נתונים גרפיים מתויגים מספיקים הוא יקר או איטי — כפי שקורה לעיתים קרובות בכימיה, ביולוגיה וניתוח רשתות חברתיות.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/he/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.
- רשתות נוירונים גרפיותניתוח רשתות↔ compare
- למידת העברה עם סיווג מבוסס BERTלמידה עמוקה↔ compare
- למידת העברה עם רשת קונבולוציהלמידה עמוקה↔ compare