Uvod u objašnjive grafne neuronske mreže
Objašnjive grafne neuronske mreže (XAI-GNN) kombiniraju standardne GNN arhitekture s post-hoc ili intrinzičnim tehnikama objašnjenja koje otkrivaju koji su čvorovi, bridovi i značajke čvorova potaknuli predviđanje modela. Predvođen GNNExplainerom (Ying et al., 2019), ovo područje rješava kritiku GNN-ova kao „crne kutije“ i ključno je kad god predviđanja temeljena na grafovima moraju biti pouzdana ili revidirana.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Ying, Z., Bourgeois, D., You, J., Zitnik, M., & Leskovec, J. (2019). GNNExplainer: Generating Explanations for Graph Neural Networks. Advances in Neural Information Processing Systems (NeurIPS), 32, 9240–9251. link ↗
- Yuan, H., Yu, H., Gui, S., & Ji, S. (2023). Explainability in Graph Neural Networks: A Taxonomic Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(5), 5782–5799. DOI: 10.1109/TPAMI.2022.3204236 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/hr/deep-learning/explainable-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.
- Objašnjiva klasifikacija utemeljena na BERT-uDuboko učenje↔ compare
- Objašnjivi TransformerDuboko učenje↔ compare
- Grafovska neuronska mrežaAnaliza mreža↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →