Слабо контролируемая графовая нейронная сеть
Слабо контролируемая графовая нейронная сеть (WS-GNN) — это подход к глубокому обучению на графах, который обучается на данных графовой структуры — узлах, ребрах и их атрибутах — когда доступны только зашумленные, частичные или косвенно полученные метки. Сочетая передачу сообщений GNN с устойчивыми к шуму стратегиями обучения, он расширяет возможности обучения на графах для реальных сценариев, где чистые, полностью аннотированные графы редки или дороги в получении.
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. 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/ru/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.
- Графовая свёрточная сеть (GCN)Глубокое обучение↔ compare
- Графовая нейронная сетьСетевой анализ↔ compare
- Распространение метокМашинное обучение↔ compare
- Semi-supervised Graph Neural NetworkГлубокое обучение↔ compare
- Слабоконтролируемая свёрточная нейронная сетьГлубокое обучение↔ compare
- Слабо контролируемый ТрансформерГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →