Aprendizagem por Transferência com Redes Neurais Grafos
A Aprendizagem por Transferência com Redes Neurais Grafos (GNNs) adapta uma GNN pré-treinada em um grande conjunto de dados de grafos de origem para uma tarefa de grafo alvo menor e frequentemente com poucos rótulos. Ao reutilizar representações de nós e arestas aprendidas, essa abordagem alcança um forte desempenho preditivo onde a coleta de dados de grafos rotulados suficientes é cara ou lenta — como é comum em química, biologia e análise de redes sociais.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/pt/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.
- Rede Neural em GrafosAnálise de redes↔ compare
- Transfer Learning com Classificação Baseada em BERTAprendizado profundo↔ compare
- Transfer Learning com Redes Neurais ConvolucionaisAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →