Jaringan Konvolusional Graf (GCN)
Jaringan Konvolusional Graf (GCN) adalah arsitektur pembelajaran mendalam fundamental untuk data terstruktur graf, yang diperkenalkan oleh Thomas N. Kipf dan Max Welling di ICLR 2017. GCN memperluas operasi konvolusi ke domain graf yang tidak beraturan melalui aproksimasi spektral orde pertama, memungkinkan setiap simpul untuk mengagregasi informasi fitur dari tetangganya. Model ini menjadi dasar kanonik untuk klasifikasi simpul semi-terawasi dan memicu agenda penelitian jaringan saraf graf modern.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/id/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.
- Jaringan Perhatian GrafPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →