يمكن صياغة العديد من المشاكل كتنبؤات على بيانات ذات هيكل شجري (graph-structured data). في هذا البحث، نعمم مشغل الإشارة المركبة (convolution operator) من الشبكات المنتظمة إلى الرسوم البيانية العشوائية دون اللجوء إلى المجال الطيفي، مما يتيح لنا التعامل مع رسوم بيانية متفاوتة الحجم والاتصال. لتجاوز التوسع البسيط، يتم تحديد أوزان المرشحات بناءً على تسميات الحواف المحددة في جوار رأس الرسم البياني. برفقة الاختيار المناسب لتقليل الرسم البياني (graph coarsening)، نستكشف بناء شبكات عصبية عميقة للتصنيف البياني. بشكل خاص، نوضح عمومية صيغتنا في تصنيف السحب النقطية (point cloud classification)، حيث نحدد الحالة الجديدة للفن (state of the art)، وعلى مجموعة بيانات التصنيف البياني، حيث نتفوق على باقي أساليب التعلم العميق. الكود المصدر متاح على الرابط: https://github.com/mys007/ecc