Red Neuronal Convolucional de Grafos (GCN)

La Red Neuronal Convolucional de Grafos (GCN, por sus siglas en inglés) es una arquitectura fundamental de aprendizaje profundo para datos estructurados en grafos, introducida por Thomas N. Kipf y Max Welling en ICLR 2017. Extiende la operación de convolución a dominios de grafos irregulares mediante una aproximación espectral de primer orden, permitiendo que cada nodo agregue información de características de sus vecinos. El modelo se convirtió en la línea base canónica para la clasificación de nodos semi-supervisada y catalizó la agenda de investigación moderna de redes neuronales de grafos.