Grafovni kerneli
Grafovni kerneli su pozitivno poluse definitne funkcijske jezgre koje mjere sličnost između dva grafa uspoređujući njihove zajedničke podstrukture — poput slučajnih hodova, najkraćih putova ili podstablastih obrazaca. Uvedeni u jedinstveni okvir od strane Vishnathanana, Schraudpfolpha, Kondora i Borgwardta (2010.), oni povezuju kernel metode i podatke strukturirane kao grafovi, omogućujući algoritmima poput SVM-ova da rade izravno na grafovima bez potrebe za eksplicitnim korakom vektorizacije.
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
- Vishwanathan, S. V. N., Schraudolph, N. N., Kondor, R., & Borgwardt, K. M. (2010). Graph kernels. Journal of Machine Learning Research, 11, 1201–1242. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Graph Kernels for Structured Data. ScholarGate. https://scholargate.app/hr/network-analysis/graph-kernels
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
- Uklapanja grafova znanjaAnaliza mreža↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →