Słabo nadzorowana grafowa sieć neuronowa
Słabo nadzorowana grafowa sieć neuronowa (WS-GNN) to oparte na głębokim uczeniu grafowym podejście, które uczy się na danych o strukturze grafowej — węzłach, krawędziach i ich atrybutach — gdy dostępne są jedynie zaszumione, częściowe lub pośrednio uzyskane etykiety. Łącząc przekazywanie komunikatów GNN ze strategiami treningowymi odpornymi na szum, rozszerza ono uczenie grafowe na rzeczywiste zastosowania, gdzie czyste, w pełni opisane grafy są rzadkie lub kosztowne do uzyskania.
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. 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/pl/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.
- Sieci konwolucyjne grafów (GCN)Uczenie głębokie↔ compare
- Sieć neuronowa grafowaAnaliza sieci↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Grafowa sieć neuronowa w uczeniu częściowo nadzorowanymUczenie głębokie↔ compare
- Słabo nadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Słabo nadzorowany TransformerUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →