PulseAugur
实时 18:20:51
English(EN) From Diffusion to Reaction-Diffusion: A Dynamical-Systems View of Oversmoothing in Hypergraph Neural Networks

新超图神经网络框架解决表示坍塌问题

研究人员开发了一个新的超图神经网络(HGNN)框架,以解决深度传播中表示坍塌的问题。通过动力学系统的视角审视超图过平滑问题,他们引入了一种称为超图神经网络反应-扩散(HNRD)的反应-扩散机制。该方法旨在通过补偿扩散引起的耗散来稳定区分性变化,从而实现更深层次、更鲁棒的超图学习架构。 AI

影响 引入了一个新颖的动力学框架,用于设计更深层次、更具表现力的超图神经网络,有望提高在复杂关系数据上的性能。

排序理由 关于超图神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新超图神经网络框架解决表示坍塌问题

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhiheng Zhou, Mengyao Zhou, Yancheng Chen, Dengyi Zhao, Xingqin Qi, Guiying Yan ·

    从扩散到反应-扩散:超图神经网络过平滑的动力学系统视角

    arXiv:2607.15773v1 Announce Type: new Abstract: Higher-order couplings enhance the expressive power of hypergraph neural networks (HGNNs), but they also intensify representation collapse in deep propagation due to strong multi-way feature mixing. This work investigates hypergraph…