গ্রাফ কনভোল্যুশনাল নেটওয়ার্ক (GCN)
গ্রাফ কনভোল্যুশনাল নেটওয়ার্ক (GCN) হলো গ্রাফ-কাঠামোর ডেটার জন্য একটি মৌলিক ডিপ লার্নিং আর্কিটেকচার, যা থমাস এন. কিপফ এবং ম্যাক্স ওয়েলিং ২০১৭ সালে ICLR-এ উপস্থাপন করেন। এটি প্রথম-অর্ডার স্পেকট্রাল অ্যাপ্রক্সিমেশনের মাধ্যমে অনিয়মিত গ্রাফ ডোমেইনে কনভোল্যুশন অপারেশনকে প্রসারিত করে, যা প্রতিটি নোডকে তার প্রতিবেশীদের থেকে বৈশিষ্ট্য (feature) তথ্য একত্রিত করার সুযোগ দেয়। এই মডেলটি আধা-পর্যবেক্ষণাধীন (semi-supervised) নোড ক্লাসিফিকেশনের জন্য একটি আদর্শ বেসলাইন হয়ে ওঠে এবং আধুনিক গ্রাফ নিউরাল নেটওয়ার্ক গবেষণার এজেন্ডাকে অনুপ্রাণিত করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. Proceedings of the 5th International Conference on Learning Representations (ICLR 2017), Toulon, France. link ↗
- Hamilton, W. L. (2020). Graph Representation Learning. Morgan & Claypool (Synthesis Lectures on Artificial Intelligence and Machine Learning). ISBN: 978-1-68173-963-2
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/bn/deep-learning/graph-convolutional-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.
- গ্রাফ অ্যাটেনশন নেটওয়ার্কগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →