Jaringan Saraf Graf Penjelas
Jaringan Saraf Graf Penjelas (XAI-GNN) menggabungkan arsitektur GNN standar dengan teknik penjelasan post-hoc atau intrinsik yang mengungkapkan simpul, tepi, dan fitur simpul mana yang mendorong prediksi model. Dipelopori oleh GNNExplainer (Ying et al., 2019), bidang ini mengatasi kritik kotak hitam GNN dan sangat penting di mana pun prediksi berbasis graf harus dipercaya atau diaudit.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/id/deep-learning/explainable-graph-neural-network
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Klasifikasi Berbasis BERT yang Dapat DijelaskanPembelajaran Mendalam↔ bandingkan
- Transformer yang Dapat DijelaskanPembelajaran Mendalam↔ bandingkan
- Jaringan Saraf GrafAnalisis Jaringan↔ bandingkan
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →