
Diese Studie bietet eine umfassende Bewertung und einen Vergleich einer Vielzahl von Erklärungsmethoden für Graph-Neuronale-Netze, um deren Leistungsfähigkeit, Stabilität und Praxistauglichkeit zu untersuchen.


coremsg

systematische-bewertung-der-leistungsfähigkeit-und-stabilität-von-erklärungsmethoden-für-graph-neuronale-netze


Systematische Bewertung der Leistungsfähigkeit und Stabilität von Erklärungsmethoden für Graph-Neuronale-Netze


title_rewrite


Durch das Entfernen der Verlustfunktionen von GNNDelete und das einfache Trennen der zu vergessenden Kanten von der Graphstruktur kann "Unlink to Unlearn" (UtU) das Problem des Über-Vergessens effektiv lösen, während es gleichzeitig eine hohe Genauigkeit in nachgelagerten Aufgaben beibehält.


vereinfachung-des-edge-unlearnings-in-gnns-durch-unlink-to-unlearn-


Vereinfachung des Edge-Unlearnings in GNNs durch "Unlink to Unlearn"
