Transferno učenje sa grafovskim neuronskim mrežama
Transferno učenje sa grafovskim neuronskim mrežama (GNN) prilagođava GNN mrežu prethodno obučenu na velikom izvornom skupu grafovskih podataka za manji, često podacima oskudan ciljni grafovski zadatak. Ponovnom upotrebom naučenih reprezentacija čvorova i ivica, ovaj pristup postiže snažne prediktivne performanse tamo gde je prikupljanje dovoljnog broja obeleženih grafovskih podataka skupo ili sporo — što je uobičajeno u hemiji, biologiji i analizi društvenih mreža.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/sr/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.
- Графове неуронске мрежеAnaliza mreža↔ compare
- Трансферно учење са класификацијом заснованом на BERT-уDuboko učenje↔ compare
- Трансферно учење са конволуционом неуронском мрежомDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →