Zwak Gesuperviseerd Neuraal Netwerk op Grafen
Een Zwakkely Gesuperviseerd Neuraal Netwerk op Grafen (WS-GNN) is een diep-leerbenadering voor grafen die leert van gegevens met een graafstructuur — knopen, verbindingen en hun attributen — wanneer slechts ruisige, gedeeltelijke of indirect verkregen labels beschikbaar zijn. Door de berichtuitwisseling van GNN's te koppelen aan ruisbestendige trainingsstrategieën, breidt het graafleren uit naar reële toepassingen waar schone, volledig geannoteerde grafen schaars of duur zijn om te verkrijgen.
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. 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/nl/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.
- Graafconvolutioneel Netwerk (GCN)Deep learning↔ compare
- Graaf Neuraal NetwerkNetwerkanalyse↔ compare
- Label PropagationMachine learning↔ compare
- Semi-gesuperviseerd Graph Neural NetworkDeep learning↔ compare
- Convolutie Neuraal Netwerk met Zwakke SupervisieDeep learning↔ compare
- Zwakke Supervised TransformerDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →