Δικτυακό Συνελικτικό Νευρωνικό Δίκτυο (GCN)
Το Δικτυακό Συνελικτικό Νευρωνικό Δίκτυο (GCN) είναι μια θεμελιώδης αρχιτεκτονική βαθιάς μάθησης για δεδομένα δομημένα ως γράφοι, η οποία εισήχθη από τους Thomas N. Kipf και Max Welling στο ICLR 2017. Επεκτείνει τη συνελικτική λειτουργία σε μη κανονικούς τομείς γράφων μέσω μιας φασματικής προσέγγισης πρώτης τάξης, επιτρέποντας σε κάθε κόμβο να συγκεντρώνει πληροφορίες χαρακτηριστικών από τους γείτονές του. Το μοντέλο έγινε η κανονική βάση αναφοράς για την ημι-εποπτευόμενη ταξινόμηση κόμβων και πυροδότησε τη σύγχρονη ερευνητική ατζέντα των νευρωνικών δικτύων γράφων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/el/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.
- Δίκτυο Προσοχής ΓραφήματοςΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →