Графовая нейронная сеть
Графовая нейронная сеть (GNN) — это метод глубокого обучения, популяризированный Кипфом и Веллингом в 2017 году с помощью графовой сверточной сети, который обучается на основе взаимосвязей в сетевых (графовых) структурах, состоящих из узлов и ребер. Он предназначен для данных, которые по своей природе являются реляционными, таких как социальные сети, молекулярные структуры и рекомендательные системы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/ru/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.
- Классификация изображений с помощью свёрточных нейронных сетей (CNN)Глубокое обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Метод опорных векторов (классификация)Машинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →