Graafikonvoluutioverkko (GCN)
Graafikonvoluutioverkko (GCN) on perustavanlaatuinen syväoppimisarkkitehtuuri graafirakenteiselle datalle, jonka Thomas N. Kipf ja Max Welling esittelivät ICLR 2017 -konferenssissa. Se laajentaa konvoluutio-operaation epäsäännöllisiin graafialueisiin ensimmäisen kertaluvun spektraalisen approksimaation avulla, mahdollistaen jokaiselle solmulle piirreinformatiota naapureiltaan. Mallista tuli puoliohjattuun solmuluokitteluun liittyvä kanoninen vertailukohta ja se käynnisti modernin graafineuraaliverkkojen tutkimusagendan.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/fi/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.
- Graafiverkko (Graph Attention Network, GAT)Syväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →