Machine learning
Graph Convolutional Network (GCN)
Graph Convolutional Network (GCN) は、Thomas N. Kipf と Max Welling が ICLR 2017 で発表した、グラフ構造化データのための基礎的な深層学習アーキテクチャである。これは、スペクトル近似の第一階を用いて畳み込み演算を不規則なグラフ領域に拡張し、各ノードが近傍からの特徴情報を集約できるようにする。このモデルは、半教師ありノード分類の標準的なベースラインとなり、現代のグラフニューラルネットワークの研究課題を刺激した。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →