Prenosové učenie s grafovými neurónovými sieťami
Prenosové učenie s grafovými neurónovými sieťami (GNNs) adaptuje GNN predtrénovanú na veľkom zdrojovom datasete grafov na menšiu, často na štítky chudobnú cieľovú grafovú úlohu. Opätovným použitím naučených reprezentácií uzlov a hrán tento prístup dosahuje silný prediktívny výkon tam, kde je zber dostatočného množstva označených grafových dát drahý alebo pomalý – ako je bežné v chémii, biológii a analýze sociálnych sietí.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/sk/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.
- Grafové neurónové sieteAnalýza sietí↔ compare
- Prenosové učenie s klasifikáciou založenou na BERTHlboké učenie↔ compare
- Prenosové učenie s konvolučnou neurónovou sieťouHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →