Rangkaian Saraf Graf
Rangkaian Saraf Graf (GNN) ialah kaedah pembelajaran mendalam, yang dipopularkan oleh Kipf dan Welling pada 2017 dengan Rangkaian Konvolusi Graf, yang belajar daripada hubungan dalam struktur rangkaian (graf) yang terdiri daripada nod dan tepi. Ia direka untuk data yang sememangnya bersifat relasional, seperti rangkaian sosial, struktur molekul, dan sistem pengesyoran.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi Imej CNNPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Mesin Vektor Sokongan (Klasifikasi)Pembelajaran Mesin↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →