نُقدِّم نموذجًا جديدًا للشبكة العصبية التلافيفية الطيفية (CNN) على البيانات ذات البنية الرسومية، يُسمَّى الشبكات ذات التغذية المرتدة الموزعة (DFNets). يتميز هذا النموذج بدمجه مع فئة قوية من مرشحات الرسومات الطيفية، تُعرف بمرشحات الدائرة المغلقة للتغذية المرتدة، والتي توفر توطينًا أفضل على الرؤوس، مع الحفاظ على تقارب سريع ومتطلبات ذاكرة خطية. من الناحية النظرية، يمكن لمرشحات الدائرة المغلقة للتغذية المرتدة ضمان التقارب بالنسبة إلى حد خطأ محدد، ويمكن تطبيقها بشكل عام على أي رسم بياني دون الحاجة إلى معرفة هيكله. علاوةً على ذلك، يمكن لقاعدة الانتشار في هذا النموذج تنويع السمات من الطبقات السابقة لإنتاج تدفقات مميزة للانحدار. تم تقييم نموذجنا باستخدام مهام معيارية معيارية: تصنيف المستندات شبه المُعلَّمة على شبكات الاقتباس، وتصنيف الكيانات شبه المُعلَّمة على رسم بياني للمعرفة. أظهرت النتائج التجريبية أن نموذجنا يتفوّق بشكل كبير على أحدث الأساليب في كلا المهمتين المعياريتين على جميع مجموعات البيانات.