การเรียนรู้แบบถ่ายโอนด้วยกราฟโครงข่ายประสาทเทียม
การเรียนรู้แบบถ่ายโอนด้วยกราฟโครงข่ายประสาทเทียม (GNNs) เป็นการปรับใช้ GNN ที่ได้รับการฝึกฝนล่วงหน้าบนชุดข้อมูลกราฟต้นทางขนาดใหญ่ ให้เข้ากับงานกราฟเป้าหมายที่มีขนาดเล็กกว่าและมักมีป้ายกำกับน้อย วิธีการนี้ใช้ประโยชน์จากการนำการแสดงแทนของโหนดและเส้นเชื่อมที่ได้เรียนรู้มาใช้ใหม่ ทำให้ได้ประสิทธิภาพการทำนายที่แข็งแกร่งในกรณีที่การรวบรวมข้อมูลกราฟที่มีป้ายกำกับเพียงพอมีค่าใช้จ่ายสูงหรือใช้เวลานาน ซึ่งเป็นเรื่องปกติในการวิเคราะห์ทางเคมี ชีววิทยา และเครือข่ายสังคม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Transfer Learning with Graph Neural Network (Pre-trained GNN Fine-tuning). ScholarGate. https://scholargate.app/th/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.
- Graph Neural Networkการวิเคราะห์เครือข่าย↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยการจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการการเรียนรู้เชิงลึก↔ compare