يقدم هذا البحث شبكة غير معلمة جديدة تُسمى Point-GN، وهي مصممة لتصنيف السحابة النقطية ثلاثية الأبعاد بكفاءة ودقة عالية. على عكس النماذج التقليدية للتعلم العميق التي تعتمد على عدد كبير من المعلمات القابلة للتدريب، تستفيد Point-GN من مكونات غير قابلة للتعلم، وبشكل خاص تقنية أخذ العينات من أبعد نقطة (Farthest Point Sampling - FPS)، وجيران k الأقرب (k-Nearest Neighbors - k-NN)، والترميز الموضعي الغاوس (Gaussian Positional Encoding - GPE) لاستخراج الخصائص الهندسية المحلية والعالمية. يتيح هذا التصميم إمكانية الاستغناء عن التدريب الإضافي مع الحفاظ على الأداء العالي، مما يجعل Point-GN مناسبة بشكل خاص للتطبيقات الزمنية الحقيقية ذات القيود المواردية. قمنا بتقييم Point-GN على مجموعتين بيانات مرجعيتين، وهما ModelNet40 وScanObjectNN، حيث حققت دقة تصنيف بلغت 85.29% و85.89% على التوالي، مع تقليل كبير في التعقيد الحسابي. تتفوق Point-GN على الأساليب غير المعلمة الموجودة وتتناسب مع أداء النماذج الكاملة التدريب، وذلك دون وجود أي معلمات قابلة للتعلم. تظهر نتائجنا أن Point-GN هي حل واعد لتصنيف السحابة النقطية ثلاثية الأبعاد في البيئات العملية والزمنية الحقيقية.