گسترش یادگیری GNN: 11 برنامه کاربردی چارچوب اضافی

جدول پیوندها

چکیده و 1 مقدمه

2 کارهای مرتبط

3 چارچوب

4 نتایج اصلی

5 مطالعه موردی در کوتاهترین مسافت

6 نتیجه گیری و بحث، و مراجع

7 اثبات قضیه 1

8 اثبات قضیه 2

9 روش حل معادله (6)

10 آزمایش های اضافی جزئیات و نتایج

11 کاربردهای بالقوه دیگر

11 کاربردهای بالقوه دیگر

علاوه بر مشکل برچسب‌گذاری مجموعه داده اولیه که در بالا مورد بحث قرار گرفت، کاربردهای بالقوه دیگری از چارچوب پیشنهادی در سایر پارادایم‌های یادگیری GNN وجود دارد. برخی از نمونه ها عبارتند از:

1. یادگیری k-shot منصفانه: یادگیری K-shot نوعی از یادگیری ماشینی است که در آن مدل آموزش داده می شود تا نمونه های جدید را بر اساس تعداد کمی از نمونه های برچسب گذاری شده در مجموعه آموزشی طبقه بندی کند. این نوع یادگیری به ویژه در بسیاری از موقعیت‌هایی که مقدار داده‌های برچسب‌گذاری شده محدود است مفید است. علاوه بر یادگیری فعال که قبلاً مورد بحث قرار گرفت، یادگیری k-shot همچنین می‌تواند در انتخاب بافر بازپخش تجربه نماینده در یادگیری افزایشی و یادگیری انتقال استفاده شود.

2. محدودیت انصاف: می توانیم مشتق شده را اعمال کنیم…