Rangkaian Konvolusional Graf (GCN)
Rangkaian Konvolusional Graf (GCN) ialah seni bina pembelajaran mendalam asas untuk data berstruktur graf, diperkenalkan oleh Thomas N. Kipf dan Max Welling di ICLR 2017. Ia melanjutkan operasi konvolusi ke domain graf tak sekata melalui anggaran spektral tertib pertama, membolehkan setiap nod mengagregasi maklumat ciri daripada jiran-jirannya. Model ini menjadi garis dasar kanonik untuk klasifikasi nod separa terpantau dan mencetuskan agenda penyelidikan rangkaian saraf graf moden.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/ms/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.
- Graph Attention NetworkPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →