Semi-övervakad graf-neuralt nätverk
Ett semi-övervakat graf-neuralt nätverk tränar ett GNN på en graf där endast en liten bråkdel av noderna har etiketter, och använder grannskapsmeddelandepassering för att sprida information från etiketterade noder till oetiketterade. Metoden, populariserad av Kipf och Wellings Graph Convolutional Network från 2017, uppnår stark noggrannhet för nodklassificering även när etiketterade exempel är knappa.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, D., Bousquet, O., Lal, T. N., Weston, J., & Scholkopf, B. (2004). Learning with Local and Global Consistency. Advances in Neural Information Processing Systems (NeurIPS 2004), 17. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Graph Neural Network (GNN with Label Propagation). ScholarGate. https://scholargate.app/sv/deep-learning/semi-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.
- Grafkonvolutionellt nätverk (GCN)Djupinlärning↔ compare
- GrafneuralnätverkNätverksanalys↔ compare
- EtikettpropageringMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →