في هذا العمل، نحن مهتمون بتوسيع نطاق الشبكات العصبية التلافيفية (CNNs) من شبكات الأبعاد المنخفضة المنتظمة، حيث يتم تمثيل الصور والفيديو والنطق، إلى مجالات غير منتظمة ذات أبعاد عالية مثل شبكات التواصل الاجتماعي وخرائط الاتصال الدماغي أو تضمين الكلمات (word embeddings)، والتي يتم تمثيلها بواسطة الرسوم البيانية. نقدم صياغة للشبكات العصبية التلافيفية في سياق نظرية الرسم الطيفي، مما يوفر الخلفية الرياضية اللازمة والطرق العددية الفعالة لتصميم مرشحات تلافيفية محلية سريعة على الرسوم البيانية. وبشكل مهم، فإن التقنية المقترحة توفر نفس التعقيد الحسابي الخطي والتعقيد التعليمي الثابت للشبكات العصبية التلافيفية الكلاسيكية، مع كونها شاملة لأي هيكل رسومي. تجارب أجريت على قاعدة بيانات MNIST و 20NEWS تظهر قدرة هذا النظام العميق الجديد على تعلم الميزات المحلية والثابتة والمكونة على الرسوم البيانية.