بينما اكتسبت الشبكات العصبية الرسومية شعبية في مجالات متعددة، تظل المدخلات ذات البنية الرسومية تشكل تحديًا رئيسيًا بسبب (أ) ظاهرة التمويه الزائد، (ب) الجيران الضوضائيين (التنوع غير المتجانس)، و(ج) مشكلة التجميد الديناميكي. ولحل جميع هذه المشكلات معًا في آن واحد، نقترح شبكة عصبية رسومية جديدة تُدعى FDGATII، مستوحاة من قدرة آلية الانتباه على التركيز على المعلومات المختارة، مع دمج آلتي تحسين للحفاظ على السمات. يدمج FDGATII بين التغذية المرتدة الأولية والتمثيل الهوية مع انتباه ذاتي ديناميكي أكثر تعبيرًا، مما يسمح بمعالجة الضوضاء المنتشرة من الجيران في مجموعات البيانات ذات الطبيعة غير المتجانسة. وباستخدام انتباه ديناميكي نادر، يكون تصميم FDGATII ذاتيًا قابلاً للتوحيد المتوازي، مع كونه فعّالًا في الأداء؛ وبالتالي فإنه نظريًا قادر على التوسع بسهولة إلى أي رسم بياني بغض النظر عن حجمه. تم تقييم منهجنا بشكل واسع على 7 مجموعات بيانات. ونُظهر أن FDGATII تتفوق على النماذج المستندة إلى GAT وGCN من حيث الدقة والأداء في المهام المراقبة بالكامل، حيث حققت نتائج رائدة في مستوى الحالة الحالية على مجموعتي بيانات Chameleon وCornell دون الحاجة إلى معالجة مسبقة مخصصة للرسم البياني لكل مجال، وتمثّل بذلك تنوعًا وعدلًا في الأداء.