Transfer Learning met Graph Neural Network
Transfer Learning met Graph Neural Networks (GNN's) past een GNN aan die vooraf is getraind op een grote bron-graafdataset voor een kleinere, vaak label-schaarse doelgraaf-taak. Door geleerde knoop- en kantrepresentaties te hergebruiken, bereikt deze aanpak sterke voorspellende prestaties waar het verzamelen van voldoende gelabelde graafdata duur of traag is — zoals gebruikelijk is in chemie, biologie en analyse van sociale netwerken.
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
- Hu, W., Liu, B., Gomes, J., Zitnik, M., Liang, P., Pande, V., & Leskovec, J. (2020). Strategies for Pre-training Graph Neural Networks. In International Conference on Learning Representations (ICLR 2020). link ↗
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/nl/deep-learning/transfer-learning-with-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.
- Graaf Neuraal NetwerkNetwerkanalyse↔ compare
- Transfer Learning met BERT-gebaseerde ClassificatieDeep learning↔ compare
- Transfer Learning met Convolutional Neural NetworkDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →