Attributwerte einer Seite

Diese Seite stellt eine einfache Suchoberfläche zum Ermitteln aller Attribute auf einer bestimmten Seite bereit. Andere verfügbare Suchoberflächen sind die Attributsuche sowie der Abfragengenerator.

Liste der Ergebnisse

• Es existieren viele Varianten, darunter Graph Convolutional Networks (GCN), Graph Attention Networks (GAT), GraphSAGE und Message Passing Neural Networks (MPNN). Sie unterscheiden sich v. a. in Aggregation, Gewichtung (Attention) und Skalierbarkeit.  +
• GNNs sind hochgradig nichtlinear und könne … GNNs sind hochgradig nichtlinear und können relationale Abhängigkeiten erfassen, die klassischen Vektor-Modellen entgehen. Gleichzeitig sind sie rechenintensiv und ihre Interpretierbarkeit hängt von Zusatzmethoden (z. B. Attention-Gewichte, Subgraph-Erklärungen) ab.ention-Gewichte, Subgraph-Erklärungen) ab.  +
• Graphen-informierte neuronale Netze (Graph … Graphen-informierte neuronale Netze (Graph Neural Networks, GNNs) sind neuronale Modelle, die strukturierte Daten in Form von Graphen verarbeiten. Knoten repräsentieren Entitäten, Kanten ihre Beziehungen; das Modell lernt Repräsentationen, indem Informationen entlang der Graphstruktur propagiert werden.tlang der Graphstruktur propagiert werden.  +
• Kernmechanismus ist das Message Passing: I … Kernmechanismus ist das Message Passing: In iterativen Schritten aggregiert jeder Knoten Informationen seiner Nachbarn und aktualisiert seinen Zustand. Ein generisches Update lässt sich schreiben als</br>'"`UNIQ--math-00000005-QINU`"',</br>wobei '"`UNIQ--math-00000006-QINU`"' die Knotenrepräsentation in Schicht '"`UNIQ--math-00000007-QINU`"', '"`UNIQ--math-00000008-QINU`"' die Nachbarschaft und '"`UNIQ--math-00000009-QINU`"' eine Aggregationsfunktion (Summe, Mittelwert, Attention) ist.nktion (Summe, Mittelwert, Attention) ist.  +