Metodbevispost
Transfer Learning with Graph Neural Network
Transfer Learning with Graph Neural Networks (GNNs) adapts a GNN pre-trained on a large source graph dataset to a smaller, often label-scarce target graph task. By reusing learned node and edge representations, this approach achieves strong predictive performance where collecting sufficient labeled graph data is expensive or slow — as is common in chemistry, biology, and social network analysis.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning)
Taxonomisk metodpost · ml-model / deep-learning
- 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). · URL
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.