Reti Neurali su Grafo Debolmente Supervisionate
Una Rete Neurale su Grafo Debolmente Supervisionata (WS-GNN) è un approccio di deep learning su grafo che apprende da dati strutturati a grafo — nodi, archi e i loro attributi — quando sono disponibili solo etichette rumorose, parziali o ottenute indirettamente. Accoppiando il passaggio di messaggi delle GNN con strategie di addestramento robuste al rumore, estende l'apprendimento su grafo a contesti reali in cui grafi puliti e completamente annotati sono scarsi o costosi da ottenere.
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. In Proceedings of the 5th International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, J., Cui, G., Hu, S., Zhang, Z., Yang, C., Liu, Z., Wang, L., Li, C., & Sun, M. (2020). Graph neural networks: A review of methods and applications. AI Open, 1, 57–81. DOI: 10.1016/j.aiopen.2021.01.001 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/it/deep-learning/weakly-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
- Reti neurali grafiche semi-supervisionateApprendimento profondo↔ compare
- Rete Neurale Convoluzionale Debolmente SupervisionataApprendimento profondo↔ compare
- Transformer con Supervisione DeboleApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →