新的图神经网络（GNN）传播谱理论为信号保持提供了见解

研究人员开发了一种用于归一化校正图神经网络（GNN）传播的谱理论，重点关注该算子如何通过多层保持类别区分信号。他们的关键发现是，在特定的图信号和特征信噪比（SNR）条件下，经过对数次传播步骤后，二元上下文随机块模型（Contextual Stochastic Block Model）的精确恢复定理。该研究还包括一个多类部分恢复定理，并通过合成和真实节点分类实验进行了经验验证。 AI

影响 为理解GNN行为和信号传播中的潜在局限性提供了理论基础。

排序理由 该集群包含一篇详细介绍图神经网络理论进展的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• graph neural network
• Hugging Face
• IArxiv
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →