Grafu neironu tīkls
Grafu neironu tīkls (GNN) ir dziļās mācīšanās metode, ko 2017. gadā popularizēja Kipfs un Vellingš ar Grafu konvolūciju tīklu, un kas apgūst informāciju no tīklu (grafu) struktūrām, kas sastāv no mezgliem un malām, balstoties uz to savstarpējām attiecībām. Tā ir paredzēta datiem, kas ir dabiski saistīti, piemēram, sociālajiem tīkliem, molekulārām struktūrām un ieteikumu sistēmām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/lv/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.
- CNN attēlu klasifikācijaDziļā mācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Atbalsta vektoru mašīna (klasifikācija)Mašīnmācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →