Transfer Learning z grafowymi sieciami neuronowymi
Transfer Learning z grafowymi sieciami neuronowymi (GNN) polega na adaptacji GNN wstępnie wytrenowanej na dużym zbiorze danych źródłowych grafów do mniejszego, często ubogiego w etykiety, docelowego zadania grafowego. Ponowne wykorzystanie nauczonych reprezentacji węzłów i krawędzi pozwala osiągnąć silną wydajność predykcyjną tam, gdzie zbieranie wystarczającej ilości oznakowanych danych grafowych jest kosztowne lub czasochłonne — jak ma to miejsce w chemii, biologii i analizie sieci społecznościowych.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/pl/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.
- Sieć neuronowa grafowaAnaliza sieci↔ compare
- Uczenie maszynowe z klasyfikacją opartą na BERTUczenie głębokie↔ compare
- Uczenie transferowe z konwolucyjną siecią neuronowąUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →