Mạng tích chập đồ thị (GCN)
Mạng tích chập đồ thị (GCN) là một kiến trúc học sâu nền tảng cho dữ liệu có cấu trúc đồ thị, được giới thiệu bởi Thomas N. Kipf và Max Welling tại ICLR 2017. Nó mở rộng phép toán tích chập sang các miền đồ thị không đều thông qua phép xấp xỉ phổ bậc nhất, cho phép mỗi nút tổng hợp thông tin đặc trưng từ các nút lân cận của nó. Mô hình này trở thành đường cơ sở chuẩn cho phân loại nút bán giám sát và khởi xướng chương trình nghiên cứu mạng nơ-ron đồ thị hiện đại.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Graph Convolutional Network (Spectral GCN for Semi-Supervised Node Classification). ScholarGate. https://scholargate.app/vi/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 →Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →