Grafová konvolučná sieť (GCN)
Grafová konvolučná sieť (GCN) je základná architektúra hlbokého učenia pre dáta so štruktúrou grafu, ktorú predstavili Thomas N. Kipf a Max Welling na konferencii ICLR 2017. Rozširuje konvolučnú operáciu na nepravidelné domény grafov prostredníctvom spektrálnej aproximácie prvého rádu, čo umožňuje každému uzlu agregovať informácie o vlastnostiach od svojich susedov. Tento model sa stal kanonickou bázou pre semi-supervidovanú klasifikáciu uzlov a odštartoval modernú výskumnú agendu grafových neurónových sietí.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/sk/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.
- Grafová at enčná sieťHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →