Machine learning
그래프 컨볼루션 신경망 (GCN)
그래프 컨볼루션 신경망(GCN)은 그래프 구조 데이터에 대한 기본적인 딥러닝 아키텍처로, 2017년 ICLR에서 Thomas N. Kipf와 Max Welling이 소개했습니다. 이는 첫 번째 순서의 스펙트럼 근사를 통해 불규칙한 그래프 영역으로 컨볼루션 연산을 확장하여, 각 노드가 이웃 노드로부터 특징 정보를 집계할 수 있도록 합니다. 이 모델은 준지도 학습 노드 분류의 표준 기준이 되었으며, 현대 그래프 신경망 연구 의제를 촉발했습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/ko/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 →