Apprendimento per Trasferimento con Reti Neurali su Grafo
L'apprendimento per trasferimento con Reti Neurali su Grafo (GNN) adatta una GNN pre-addestrata su un ampio dataset di grafi sorgente a un compito su grafo target più piccolo, spesso con scarsità di etichette. Riutilizzando le rappresentazioni apprese di nodi e archi, questo approccio ottiene prestazioni predittive elevate dove la raccolta di dati di grafo etichettati sufficienti è costosa o lenta — come è comune in chimica, biologia e analisi di reti sociali.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/it/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.
- GCN / GAT / GraphSAGEAnalisi delle reti↔ compare
- Apprendimento per trasferimento con classificazione basata su BERTApprendimento profondo↔ compare
- Transfer Learning con Convolutional Neural NetworkApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →