شبكة العصبونات الرسومية — GCN / GAT / GraphSAGE
شبكة العصبونات الرسومية (GNN) هي بنية تعلم عميق تعمل مباشرة على البيانات المهيكلة رسوميًا عن طريق دمج ميزات العقد مع المعلومات الهيكلية من خلال تمرير الرسائل التكراري للجوار. تختلف المتغيرات الثلاثة الأساسية — شبكة العصبونات الرسومية الالتفافية (GCN) التي قدمها Kipf و Welling في عام 2017، وشبكة العصبونات الرسومية الانتباهية (GAT) التي قدمها Veličković وآخرون في عام 2018، و GraphSAGE — في كيفية تجميع معلومات الجوار: تطبق GCN التفافًا طيفيًّا على المصفوفة المجاورة الكاملة، وتزن GAT الجيران بدرجات انتباه متعلمة، وتختار GraphSAGE وتجمع الجوار المحلي بشكل استقرائي، مما يتيح التعميم على العقد غير المرئية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
المصادر
- Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). DOI: 10.48550/arXiv.1609.02907 ↗
- Veličković, P., Cucurull, G., Casanova, A., Romero, A., Liò, P., & Bengio, Y. (2018). Graph Attention Networks. International Conference on Learning Representations (ICLR). DOI: 10.48550/arXiv.1710.10903 ↗
- Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 1). Graph Neural Network (GCN / GAT / GraphSAGE). ScholarGate. https://scholargate.app/ar/network-analysis/graph-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تحليل المركزيةتحليل الشبكات↔ compare
- اكتشاف المجتمعاتتحليل الشبكات↔ compare
- تحليل الشبكات متعددة الطبقاتتحليل الشبكات↔ compare
- تضمين الشبكةتحليل الشبكات↔ compare
- تحليل الشبكات الزمانيتحليل الشبكات↔ compare