Svakt veiledet grafnevralt nettverk
Et svakt veiledet grafnevralt nettverk (WS-GNN) er en dyp graf-læringsmetode som lærer fra graf-strukturerte data — noder, kanter og deres attributter — når bare støyende, delvise eller indirekte innhentede merkelapper er tilgjengelige. Ved å koble GNN-meldingsutveksling med støy-robuste treningsstrategier, utvider den graf-læring til virkelige scenarier der rene, fullstendig annoterte grafer er sjeldne eller dyre å innhente.
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. 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/no/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.
- Grafkonvolusjonsnettverk (GCN)Dyp læring↔ compare
- Graf Neurale NettverkNettverksanalyse↔ compare
- Label PropagationMaskinlæring↔ compare
- Semi-veilet grafnevralt nettverkDyp læring↔ compare
- Svakt overvåket konvolusjonelt nevralt nettverkDyp læring↔ compare
- Svakt veiledet TransformerDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →