Machine learningDeep learning / NLP / CV
약한 지도 학습 그래프 신경망
약한 지도 학습 그래프 신경망(WS-GNN)은 노드, 엣지 및 해당 속성을 가진 그래프 구조 데이터에서 학습하는 그래프 딥러닝 접근 방식입니다. 이 방식은 노이즈가 있거나, 부분적이거나, 간접적으로 얻어진 레이블만 사용 가능한 경우에 적용됩니다. GNN 메시지 전달과 노이즈에 강건한 학습 전략을 결합함으로써, 깨끗하고 완전히 주석이 달린 그래프가 드물거나 얻기 어려운 실제 환경으로 그래프 학습을 확장합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/ko/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.
- 그래프 컨볼루션 신경망 (GCN)딥러닝↔ compare
- 그래프 신경망네트워크 분석↔ compare
- 레이블 전파머신러닝↔ compare
- 준지도 학습 그래프 신경망딥러닝↔ compare
- 약한 지도 학습 컨볼루션 신경망딥러닝↔ compare
- 약지도 트랜스포머딥러닝↔ compare