反向連結 · 圖卷積網路
所有透過 [[圖卷積網路]] wikilink 或 /n/concept/%E5%9C%96%E5%8D%B7%E7%A9%8D%E7%B6%B2%E8%B7%AF 內部連結 引用此節點的其他條目。
共找到 2 個反向引用。
☯️ 概念2 筆
圖注意力網路
圖注意力網路(Graph Attention Network,簡稱 GAT)是圖神經網路家族中的一員,利用 [[注意力機制]] 自我學習相鄰節點的特徵重要性。與傳統 [[卷積神經網路]] 或 [[圖卷積網路]] 不同,GAT 採用可學習的加權注意力係數,使每條邊可以在不同程度上貢獻目標節點的表達。這種設計讓模型能動態聚焦於資訊量較高的鄰居,提升了對於稀疏或異
更新:2026/6/5
图神经网络
圖神經網絡(Graph Neural Network,簡稱GNN)是一種專門用來處理圖結構資料的深度學習模型。它透過在節點與邊之間傳遞訊息,逐步聚合鄰居特徵,從而產出全域性的表示。常見的實現包括[[圖卷積網路]](GCN)、[[GraphSAGE]]以及[[圖注意力網路]](GAT),這些架構分别採用卷積、採樣與注意力機制來提升表達能力。 在應用層面上,圖神
更新:2026/6/5