图神经网络深度值由Kesten-Stigum比率决定

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-21 04:00

一篇新论文探讨了稀疏图上图神经网络的最佳深度，重点关注上下文随机块模型中的节点分类。研究表明，网络的性能取决于Kesten-Stigum比率，该比率与信号衰减和平均度相关。低于临界阈值时，增加深度收益递减；高于该阈值时，性能呈几何级数增长，尽管存在理论下限。 AI

影响这项研究为稀疏图分析的图神经网络最佳深度提供了理论见解，可能影响未来的模型架构。

排序理由该集群包含一篇详细介绍图神经网络理论研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Aseem Raj Baranwal · 2026-07-21 04:00

稀疏图上传递的深度价值：Kesten-Stigum二分法

arXiv:2607.16676v1 Announce Type: cross Abstract: How deep does a graph neural network need to be on a sparse graph? We study its purest statistical form: node classification on the sparse contextual stochastic block model (CSBM) with average degree $\Delta=O(1)$, whose local wea…