Xarxa Convolucional Gràfica (GCN)
La Xarxa Convolucional Gràfica (GCN) és una arquitectura fonamental d'aprenentatge profund per a dades estructurades en grafs, introduïda per Thomas N. Kipf i Max Welling a l'ICLR 2017. Estén l'operació de convolució a dominis de grafs irregulars mitjançant una aproximació espectral de primer ordre, permetent a cada node agregar informació de característiques dels seus veïns. El model es va convertir en la línia de base canònica per a la classificació de nodes semi-supervisada i va impulsar l'agenda de recerca moderna de les xarxes neuronals gràfiques.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/ca/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.
- Graph Attention NetworkAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →