Semi-gesuperviseerd Graph Neural Network
Een semi-gesuperviseerd graph neural network (GNN) traint een GNN op een graaf waarbij slechts een klein deel van de knopen labels draagt, gebruikmakend van buurt-berichtuitwisseling om informatie van gelabelde knopen naar ongelabelde knopen te verspreiden. De aanpak, gepopulariseerd door Kipf en Welling's 2017 Graph Convolutional Network, behaalt een hoge nauwkeurigheid bij knoopclassificatie, zelfs wanneer gelabelde voorbeelden schaars zijn.
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. International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, D., Bousquet, O., Lal, T. N., Weston, J., & Scholkopf, B. (2004). Learning with Local and Global Consistency. Advances in Neural Information Processing Systems (NeurIPS 2004), 17. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Graph Neural Network (GNN with Label Propagation). ScholarGate. https://scholargate.app/nl/deep-learning/semi-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.
- Graafconvolutioneel Netwerk (GCN)Deep learning↔ compare
- Graaf Neuraal NetwerkNetwerkanalyse↔ compare
- Label PropagationMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →