Process / pipeline

Grafová neuronová síť — GCN / GAT / GraphSAGE

Grafová neuronová síť (GNN) je architektura hlubokého učení, která pracuje přímo na datech strukturovaných do grafů kombinováním vlastností uzlů se strukturálními informacemi prostřednictvím iterativního předávání zpráv ze sousedství. Tři kanonické varianty — Grafová konvoluční síť (GCN) představená Kipfem a Wellingem v roce 2017, Grafová pozornostní síť (GAT) představená Veličkovićem et al. v roce 2018 a GraphSAGE — se liší způsobem agregace informací ze sousedství: GCN aplikuje spektrální konvoluci přes plnou adjacenci, GAT váží sousedy naučenými skóre pozornosti a GraphSAGE vzorkuje a agreguje lokální sousedství induktivně, což umožňuje generalizaci na neviděné uzly.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

+7 more

Zdroje

  1. 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
  2. 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
  3. Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Graph Neural Network (GCN / GAT / GraphSAGE). ScholarGate. https://scholargate.app/cs/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.

Compare side by side

Odkazuje sem

ScholarGateGraph Neural Network (Network Analysis) (Graph Neural Network (GCN / GAT / GraphSAGE)). Získáno 2026-06-15 z https://scholargate.app/cs/network-analysis/graph-neural-network · Datová sada: https://doi.org/10.5281/zenodo.20539026