Пояснювані графові нейронні мережі
Пояснювані графові нейронні мережі (XAI-GNN) поєднують стандартні архітектури GNN із пост-хок або внутрішніми методами пояснення, які виявляють, які вузли, ребра та ознаки вузлів спричинили прогнозування моделі. Започатковане GNNExplainer (Ying et al., 2019), це поле вирішує проблему «чорної скриньки» GNN і є надзвичайно важливим там, де прогнози на основі графів повинні бути надійними або перевіреними.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Ying, Z., Bourgeois, D., You, J., Zitnik, M., & Leskovec, J. (2019). GNNExplainer: Generating Explanations for Graph Neural Networks. Advances in Neural Information Processing Systems (NeurIPS), 32, 9240–9251. link ↗
- Yuan, H., Yu, H., Gui, S., & Ji, S. (2023). Explainability in Graph Neural Networks: A Taxonomic Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(5), 5782–5799. DOI: 10.1109/TPAMI.2022.3204236 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/uk/deep-learning/explainable-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.
- Пояснювана класифікація на основі BERTГлибоке навчання↔ compare
- Пояснюваний ТрансформерГлибоке навчання↔ compare
- Графові нейронні мережіМережевий аналіз↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →