Machine learning

شبکه عصبی گراف

بسیاری از انواع داده‌ها، جداول مسطح از ردیف‌های مستقل نیستند، بلکه شبکه‌هایی از موجودیت‌های متصل هستند: افرادی که توسط دوستی‌ها به هم مرتبط شده‌اند، اتم‌هایی که توسط پیوندها به هم متصل شده‌اند، اقلامی که بر اساس خرید همزمانشان به هم مرتبط شده‌اند. یک GNN این اتصال را جدی می‌گیرد. به جای نگاه کردن به هر گره به صورت مجزا، به هر گره اجازه می‌دهد تا به همسایگان خود گوش دهد و نمایش خود را بر اساس آنچه در اطرافش است به‌روز کند، بنابراین ساختار خود گراف بخشی از آنچه مدل یاد می‌گیرد می‌شود.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. ICLR. link
  2. Veličković, P. et al. (2018). Graph Attention Networks. ICLR. link
  3. Hamilton, W.L. (2020). Graph Representation Learning. Morgan & Claypool. DOI: 10.1007/978-3-031-01588-5

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Graph Neural Network (GNN). ScholarGate. https://scholargate.app/fa/deep-learning/gnn

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

ارجاع‌شده در

ScholarGateGraph Neural Network (Graph Neural Network (GNN)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/gnn · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026