Vāji uzraudzīts grafu neironu tīkls
Vāji uzraudzīts grafu neironu tīkls (WS-GNN) ir grafu dziļās apmācības pieeja, kas mācās no grafu struktūras datiem — mezgliem, saitēm un to atribūtiem —, kad pieejami tikai trokšņaini, nepilnīgi vai netieši iegūti etiķeti. Savienojot GNN ziņojumapmaiņu ar trokšņiem noturīgām apmācības stratēģijām, tā paplašina grafu apmācību reālās pasaules situācijās, kurās tīri, pilnībā anotēti grafi ir reti sastopami vai dārgi iegūstami.
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. 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/lv/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)Dziļā mācīšanās↔ compare
- Grafu neironu tīklsTīklu analīze↔ compare
- Iezīmju izplatīšanaMašīnmācīšanās↔ compare
- Daļēji uzraudzīts grafu neironu tīklsDziļā mācīšanās↔ compare
- Vāji uzraudzīta konvolucionālā neironu tīklsDziļā mācīšanās↔ compare
- Vāji uzraudzīts TransformersDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →