Weakly Supervised Graph Neural Network
Weakly Supervised Graph Neural Network (WS-GNN) คือแนวทางการเรียนรู้เชิงลึกบนกราฟ (graph deep-learning) ที่เรียนรู้จากข้อมูลโครงสร้างกราฟ — โหนด, เส้นเชื่อม, และคุณลักษณะของสิ่งเหล่านั้น — เมื่อมีเพียงป้ายกำกับ (labels) ที่ไม่แม่นยำ, เป็นบางส่วน, หรือได้มาโดยอ้อมเท่านั้น ด้วยการผสานการส่งข้อความของ GNN เข้ากับกลยุทธ์การฝึกอบรมที่ทนทานต่อสัญญาณรบกวน (noise-robust training strategies) จึงเป็นการขยายการเรียนรู้กราฟไปสู่บริบทโลกแห่งความเป็นจริงที่กราฟที่สะอาดและมีการกำกับอย่างสมบูรณ์นั้นหาได้ยากหรือมีค่าใช้จ่ายสูงในการได้มา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Kipf, T. N., & Welling, M. (2017). Semi-supervised classification with graph convolutional networks. In Proceedings of the 5th International Conference on Learning Representations (ICLR 2017). link ↗
- Zhou, J., Cui, G., Hu, S., Zhang, Z., Yang, C., Liu, Z., Wang, L., Li, C., & Sun, M. (2020). Graph neural networks: A review of methods and applications. AI Open, 1, 57–81. DOI: 10.1016/j.aiopen.2021.01.001 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Weakly Supervised Graph Neural Network. ScholarGate. https://scholargate.app/th/deep-learning/weakly-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.
- Graph Convolutional Network (GCN)การเรียนรู้เชิงลึก↔ compare
- Graph Neural Networkการวิเคราะห์เครือข่าย↔ compare
- การแพร่กระจายป้ายกำกับการเรียนรู้ของเครื่อง↔ compare
- โครงข่ายประสาทเทียมแบบกราฟกึ่งควบคุม (Semi-supervised Graph Neural Network)การเรียนรู้เชิงลึก↔ compare
- Weakly supervised convolutional neural networkการเรียนรู้เชิงลึก↔ compare
- Weakly Supervised Transformerการเรียนรู้เชิงลึก↔ compare