Unsicherheit in Graphischen Neuronalen Netzen: Eine Übersicht
Graphische Neuronale Netze (GNNs) weisen aufgrund verschiedener Quellen wie inhärenter Zufälligkeit in den Daten und Modelltrainingsfehlern vorhersagbare Unsicherheit auf, die zu instabilen und fehlerhaften Vorhersagen führen kann. Daher ist es wichtig, Unsicherheit zu identifizieren, zu quantifizieren und zu nutzen, um die Leistung des Modells für nachgelagerte Aufgaben sowie die Zuverlässigkeit der GNN-Vorhersagen zu verbessern.