Overføringslæring med grafnevralt nettverk
Overføringslæring med grafnevralt nettverk (GNNs) tilpasser et GNN forhåndstrent på et stort kildedatasett av grafer til en mindre, ofte merkelappfattig måloppgave for grafer. Ved å gjenbruke lærte node- og kantrepresentasjoner, oppnår denne tilnærmingen sterk prediktiv ytelse der innsamling av tilstrekkelige merkede grafdata er dyrt eller tidkrevende – slik det ofte er i kjemi, biologi og analyse av sosiale nettverk.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/no/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.
- Graf Neurale NettverkNettverksanalyse↔ compare
- Overføringslæring med BERT-basert klassifiseringDyp læring↔ compare
- Overføringslæring med konvolusjonelt nevralt nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →