Reti Neurali su Grafo
Una Rete Neurale su Grafo (GNN) è un metodo di deep learning, reso popolare da Kipf e Welling nel 2017 con la Graph Convolutional Network, che apprende dalle relazioni in strutture di rete (grafo) composte da nodi e archi. È progettata per dati che sono naturalmente relazionali, come reti sociali, strutture molecolari e sistemi di raccomandazione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. ICLR. link ↗
- Veličković, P. et al. (2018). Graph Attention Networks. ICLR. link ↗
- Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/it/deep-learning/gnn
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.
- Classificazione di immagini CNNApprendimento profondo↔ compare
- Random ForestApprendimento automatico↔ compare
- Support Vector Machine (Classificazione)Apprendimento automatico↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →