Grafová konvoluční síť (GCN)
Grafová konvoluční síť (GCN) je základní architekturou hlubokého učení pro data se grafovou strukturou, kterou představili Thomas N. Kipf a Max Welling na konferenci ICLR 2017. Rozšiřuje konvoluční operaci na nepravidelné grafové domény prostřednictvím spektrální aproximace prvního řádu, což umožňuje každému uzlu agregovat informace o rysech od svých sousedů. Model se stal kanonickou základní linií pro semi-supervizovanou klasifikaci uzlů a podnítil moderní výzkumnou agendu grafových neuronových sítí.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/cs/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.
- Grafová pozornostní síťHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →