研究人员推出了一种名为DIB-OD的新框架，旨在提高图神经网络（GNN）在异构域之间的泛化能力。该方法通过将任务相关的不变知识与域特定的噪声分离开来，解决了分布偏移的挑战。DIB-OD利用解耦信息瓶颈和在线蒸馏方法来分离一个稳定的不变核心表示，该表示可以跨越域边界。实验表明，DIB-OD的性能显著优于现有方法，尤其是在具有挑战性的跨类型域迁移任务中，展示了增强的泛化能力和对灾难性遗忘的抵抗力。 AI
影响 该框架有望提高涉及多样化和不断变化的分布的AI模型在实际应用中的鲁棒性和泛化能力。
排序理由 该集群包含一篇详细介绍图神经网络新框架的研究论文。[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 →
