研究人员引入了组合复形Weisfeiler-Lehman（CCWL）测试，这是一个旨在统一和增强拓扑深度学习的新框架。这项新测试将Weisfeiler-Lehman测试扩展到组合复形，为拓扑神经网络提供了理论基础。提出的组合复形同构网络（CCIN）在基准测试中表现出色，为拓扑结构上的深度学习提供了更通用的表达能力。 AI
影响 推动了对复杂拓扑数据结构上深度学习的理论理解和实际应用。
排序理由 学术论文，介绍了一种新的拓扑深度学习理论框架和模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.00725v1 Announce Type: new Abstract: Combinatorial complexes have unified set-based (e.g., graphs, hypergraphs) and part-whole (e.g., simplicial, cellular complexes) structures into a common topological framework. Existing topological neural networks and Weisfeiler-Leh…
Combinatorial complexes have unified set-based (e.g., graphs, hypergraphs) and part-whole (e.g., simplicial, cellular complexes) structures into a common topological framework. Existing topological neural networks and Weisfeiler-Lehman variants remain fragmented, lacking a unifie…