Objašnjive grafičke neuronske mreže
Objašnjive grafičke neuronske mreže (XAI-GNN) kombinuju standardne GNN arhitekture sa post-hok ili intrinzičkim tehnikama objašnjenja koje otkrivaju koji čvorovi, ivice i atributi čvorova su pokrenuli predviđanje modela. Predvođen GNNExplainer-om (Ying et al., 2019), ova oblast se bavi kritikom GNN-ova kao „crne kutije“ i suštinska je svuda gde predviđanjima zasnovanim na grafovima mora da se veruje ili revidirati.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Ying, Z., Bourgeois, D., You, J., Zitnik, M., & Leskovec, J. (2019). GNNExplainer: Generating Explanations for Graph Neural Networks. Advances in Neural Information Processing Systems (NeurIPS), 32, 9240–9251. link ↗
- Yuan, H., Yu, H., Gui, S., & Ji, S. (2023). Explainability in Graph Neural Networks: A Taxonomic Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(5), 5782–5799. DOI: 10.1109/TPAMI.2022.3204236 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/sr/deep-learning/explainable-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.
- Objašnjiva klasifikacija zasnovana na BERT-uDuboko učenje↔ compare
- Објашнјиви ТрансформерDuboko učenje↔ compare
- Графове неуронске мрежеAnaliza mreža↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →