Transfer Learning dengan Graph Neural Network
Transfer Learning dengan Graph Neural Network (GNN) mengadaptasi GNN yang telah dilatih sebelumnya (pre-trained) pada dataset graf sumber yang besar ke tugas graf target yang lebih kecil, yang seringkali kekurangan label. Dengan menggunakan kembali representasi node dan edge yang telah dipelajari, pendekatan ini mencapai kinerja prediktif yang kuat di mana pengumpulan data graf berlabel yang cukup mahal atau lambat — seperti yang umum terjadi dalam analisis kimia, biologi, dan jejaring sosial.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/id/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.
- Jaringan Saraf GrafAnalisis Jaringan↔ compare
- Transfer Learning dengan Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Transfer Learning dengan Convolutional Neural NetworkPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →