Aprendizaje de estructura de gráficos no supervisado basado en modelado óptimo de topología de gráficos y aumento adaptativo de datos
Autores: An, Dongdong; Pan, Zongxu; Zhao, Qin; Liu, Wenyan; Liu, Jing
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Aprendizaje de estructura de gráficos no supervisado basado en modelado óptimo de topología de gráficos y aumento adaptativo de datos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Redes neuronales de grafos
Análisis de datos estructurados
Aprendizaje de estructuras de grafos
Estructuras de grafos sin ruido
Parámetros de GNN
Aprendizaje de estructuras de grafos no supervisado.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
Las redes neuronales gráficas (GNNs) son efectivas para el análisis de datos estructurados pero enfrentan una reducción en la precisión del aprendizaje debido a conexiones ruidosas y la necesidad de estructuras y etiquetas de grafo explícitas.
Descripción
Las redes neuronales gráficas (GNNs) son efectivas para el análisis de datos estructurados pero enfrentan una reducción en la precisión del aprendizaje debido a conexiones ruidosas y la necesidad de estructuras y etiquetas de grafo explícitas.