เปรียบเทียบวิธี

	โครงข่ายประสาทเทียมกราฟ	การจำแนกภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN Image Classification)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2017	2016
ผู้ริเริ่ม	Kipf, T.N. & Welling, M.	He, K. et al. (ResNet); Tan, M. & Le, Q.V. (EfficientNet)
ประเภท	Deep learning on graph-structured data	Deep convolutional neural network (supervised)
แหล่งต้นตำรับ	Kipf, T.N. & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. ICLR.	He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR.
ชื่อเรียกอื่น	Grafik Sinir Ağı (GNN), GNN, graph neural net, graph convolutional network	CNN — Görüntü Sınıflandırma (ResNet / VGG / EfficientNet), convolutional neural network image classifier, deep image classification, ResNet / VGG / EfficientNet
ที่เกี่ยวข้อง	4	5
สรุป	A Graph Neural Network (GNN) is a deep learning method, popularised by Kipf and Welling in 2017 with the Graph Convolutional Network, that learns from the relationships in network (graph) structures made of nodes and edges. It is designed for data that is naturally relational, such as social networks, molecular structures, and recommendation systems.	CNN image classification uses deep convolutional architectures such as ResNet (He et al., 2016), VGG and EfficientNet (Tan & Le, 2019) to sort images into categories. Stacked convolutional layers learn a hierarchy of visual features directly from pixels, and skip (residual) connections prevent the vanishing-gradient problem in very deep networks.