Graafconvolutioneel Netwerk (GCN)
Het Graafconvolutioneel Netwerk (GCN) is een fundamentele deep learning-architectuur voor graafgestructureerde data, geïntroduceerd door Thomas N. Kipf en Max Welling op ICLR 2017. Het breidt de convolutieoperatie uit naar onregelmatige graafdomeinen via een eerste-orde spectrale benadering, waardoor elk knooppunt feature-informatie van zijn buren kan aggregeren. Het model werd de canonieke baseline voor semi-gesuperviseerde knooppuntclassificatie en gaf de aanzet tot de moderne onderzoeksagenda voor graafneurale netwerken.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/nl/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 NetworkDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →