تُعد عمليات الرسم البياني نموذجاً لعدد من المشاكل المهمة مثل تحديد مركز الزلزال أو التنبؤ بالطقس. في هذا البحث، نقترح هندسة شبكة عصبية تكرارية تلافيفية للرسم البياني (GCRNN) مصممة خصيصًا للتعامل مع هذه المشاكل. تستخدم الشبكات العصبية التكرارية التلافيفية (GCRNNs) مجموعات مرشحات تلافيفية لجعل عدد المعلمات القابلة للتدريب مستقلاً عن حجم الرسم البياني وطول السلاسل الزمنية المدروسة. كما نقدم الشبكات العصبية التكرارية التلافيفية ذات الأبواب (Gated GCRNNs)، وهي نوع من الشبكات العصبية التكرارية التلافيفية يشبه شبكات LSTM التي تعتمد على الأبواب الزمنية. عند مقارنتها بشبكات الرسم البياني العصبية (GNNs) ومعماريات أخرى للشبكات العصبية التكرارية باستخدام بيانات صناعية وبيانات حقيقية، أظهرت الشبكات العصبية التكرارية التلافيفية (GCRNNs) تحسينًا كبيرًا في الأداء مع استخدام عدد أقل بكثير من المعلمات.