ال convolesion المُحَفَّزَة بِالتَّوزيع الْغَوسِي لِلْبُرُوج

يُلعب تعلم التمثيل على الرسوم البيانية دورًا حاسمًا في العديد من مهام التعرف على الأنماط. بخلاف الصور والفيديوهات ذات الشكل الشبكي، حيث يمكن أن تكون النوى المُعقدة المحلية شبكات، فإن الرسوم البيانية تكون خالية تمامًا من الإحداثيات على الرؤوس والأضلاع. في هذا العمل، نقترح إطار عمل لل Filtering المُعقدة المحلية المستوحى من التوزيع الطبيعي (GIC) لإجراء تصفية المُعقدة المحلية على الرسوم البيانية غير المنتظمة. بشكل خاص، تم تصميم نموذج مزيج التوزيع الطبيعي المستوحى من الأضلاع لترميز الاختلافات في منطقة الفرع البياني عن طريق دمج معلومات الأضلاع في نماذج التوزيع الطبيعي الموزونة، كل منها يصف ضمنيًا أحد مكونات اختلافات الفرع البياني. من أجل تقليل الرسم البياني، اشتققنا نموذج مزيج التوزيع الطبيعي المستوحى من الرؤوس لتجميع الرؤوس بشكل ديناميكي وفقًا لاتصال الأضلاع، وهو ما يعادل تقريبًا القطع المُعقد للرسم البياني الموزون. قمنا بتنفيذ شبكتنا العصبية المتعددة الطبقات للرسم البياني على عدة قواعد بيانات عامة لتصنيف الرسوم البيانية. تظهر التجارب الواسعة أن GIC فعال ويمكنه تحقيق أفضل النتائج الحالية.请注意，为了更好地符合阿拉伯语的表达习惯，我在某些地方对句子结构进行了调整。例如，“In this work, we propose...” 被翻译为 “في هذا العمل، نقترح...”，并且将一些较长的句子拆分成了较短的句子。此外，我保留了“GIC”这一缩写，并在首次出现时用括号标注了其英文全称。希望这些调整能帮助您更好地传达原文的信息。