GraafNeuraal Netwerk
Een GraafNeuraal Netwerk (GNN) is een deep learning-methode, gepopulariseerd door Kipf en Welling in 2017 met het Graph Convolutional Network, die leert van de relaties in netwerk (graaf)structuren bestaande uit knopen en verbindingen. Het is ontworpen voor data die van nature relationeel is, zoals sociale netwerken, moleculaire structuren en aanbevelingssystemen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/nl/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 BeeldclassificatieDeep learning↔ compare
- Random ForestMachine learning↔ compare
- Support Vector Machine (Classificatie)Machine learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →