Rede Neural de Grafos
Uma Rede Neural de Grafos (GNN) é um método de aprendizado profundo, popularizado por Kipf e Welling em 2017 com a Rede Neural Convolucional de Grafos, que aprende a partir das relações em estruturas de rede (grafos) compostas por nós e arestas. É projetada para dados que são naturalmente relacionais, como redes sociais, estruturas moleculares e sistemas de recomendação.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/pt/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.
- Classificação de Imagens por CNNAprendizado profundo↔ compare
- Random ForestAprendizado de máquina↔ compare
- Máquina de Vetores de Suporte (Classificação)Aprendizado de máquina↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →