Grafnevrale nettverk
Et grafnevrale nettverk (GNN) er en metode innen dyp læring, popularisert av Kipf og Welling i 2017 med Graph Convolutional Network, som lærer fra relasjonene i nettverksstrukturer (grafer) bestående av noder og kantelementer. Den er designet for data som naturlig er relasjonelle, slik som sosiale nettverk, molekylære strukturer og anbefalingssystemer.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/no/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 bildeklassifiseringDyp læring↔ compare
- Random ForestMaskinlæring↔ compare
- Støttevektormaskin (klassifisering)Maskinlæring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →