Graph Convolutional Network (GCN)
Graph Convolutional Network (GCN) เป็นสถาปัตยกรรมพื้นฐานของ deep learning สำหรับข้อมูลที่มีโครงสร้างแบบกราฟ ซึ่งนำเสนอโดย Thomas N. Kipf และ Max Welling ในงาน ICLR 2017 โดยขยายการดำเนินการคอนโวลูชันไปยังโดเมนกราฟที่ไม่สม่ำเสมอผ่านการประมาณค่าสเปกตรัมอันดับหนึ่ง ทำให้แต่ละโหนดสามารถรวบรวมข้อมูลคุณลักษณะจากเพื่อนบ้านได้ โมเดลนี้กลายเป็น baseline มาตรฐานสำหรับการจำแนกโหนดแบบกึ่งกำกับดูแล (semi-supervised node classification) และจุดประกายวาระการวิจัยโครงข่ายประสาทเทียมกราฟยุคใหม่
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/th/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 Networkการเรียนรู้เชิงลึก↔ compare