Sieci neuronowe grafowe
Sieć neuronowa grafowa (GNN) to metoda głębokiego uczenia, spopularyzowana przez Kipfa i Wellinga w 2017 roku za pomocą grafowych sieci konwolucyjnych, która uczy się na podstawie relacji w strukturach sieciowych (grafowych) złożonych z węzłów i krawędzi. Jest przeznaczona dla danych, które są naturalnie relacyjne, takich jak sieci społecznościowe, struktury molekularne i systemy rekomendacyjne.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja obrazów za pomocą CNNUczenie głębokie↔ compare
- Random ForestUczenie maszynowe↔ compare
- Maszyna wektorów nośnych (klasyfikacja)Uczenie maszynowe↔ compare
- XGBoostUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →