Reti neurali grafiche semi-supervisionate
Una rete neurale grafica semi-supervisionata addestra una GNN su un grafo in cui solo una piccola frazione di nodi possiede etichette, utilizzando il passaggio di messaggi tra vicini per diffondere informazioni dai nodi etichettati a quelli non etichettati. L'approccio, reso popolare dalla Graph Convolutional Network di Kipf e Welling nel 2017, raggiunge una forte accuratezza nella classificazione dei nodi anche quando gli esempi etichettati sono scarsi.
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. International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, D., Bousquet, O., Lal, T. N., Weston, J., & Scholkopf, B. (2004). Learning with Local and Global Consistency. Advances in Neural Information Processing Systems (NeurIPS 2004), 17. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Graph Neural Network (GNN with Label Propagation). ScholarGate. https://scholargate.app/it/deep-learning/semi-supervised-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.
- Graph Convolutional Network (GCN)Apprendimento profondo↔ compare
- GCN / GAT / GraphSAGEAnalisi delle reti↔ compare
- Label PropagationApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →