Графова конволуциона мрежа (GCN)
Графова конволуциона мрежа (GCN) је темељна архитектура дубоког учења за податке структуриране као графови, коју су увела Томас Н. Кипф и Мак Велинг на ICLR 2017. Она проширује операцију конволуције на нерегуларне графове путем спектралне апроксимације првог реда, омогућавајући сваком чвору да агрегира информације о карактеристикама од својих суседа. Модел је постао канонска основна линија за полу-надгледану класификацију чворова и покренуо је савремену агенду истраживања неуронских мрежа за графове.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/sr/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 →Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →