Prenosno učenje s grafovima neuronskih mreža
Prenosno učenje s grafovima neuronskih mreža (GNNs) prilagođava GNN prethodno treniran na velikom skupu izvornih grafovskih podataka za manji, često oskudan oznakama, ciljni grafovski zadatak. Ponovnom upotrebom naučenih reprezentacija čvorova i bridova, ovaj pristup postiže snažne prediktivne performanse tamo gdje je prikupljanje dovoljnog broja označenih grafovskih podataka skupo ili sporo — kao što je uobičajeno u kemiji, biologiji i analizi društvenih mreža.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/hr/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.
- Grafovska neuronska mrežaAnaliza mreža↔ compare
- Prenosno učenje s klasifikacijom utemeljenom na BERT-uDuboko učenje↔ compare
- Preneseno učenje s konvolucijskim neuronskim mrežamaDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →