Reconocer las acciones humanas puede ayudar de numerosas maneras, como monitoreo de la salud, vigilancia inteligente, realidad virtual e interacción humano-computadora. Se requiere un algoritmo de detección rápido y preciso para la detección en tiempo real diaria. Este documento propone primero generar una red neuronal gráfica liviana mediante auto-difusión para tareas de reconocimiento de acciones humanas. La red neuronal gráfica liviana fue evaluada en el conjunto de datos NTU-RGB+D. Los resultados demuestran que, con precisión competitiva, la red neuronal gráfica pesada puede comprimirse hasta . Además, las representaciones aprendidas tienen conglomerados más densos, estimados por el índice Davies-Bouldin, el índice Dunn y los coeficientes de silueta. También se discuten los datos de entrada ideales y la capacidad del algoritmo.