English(EN) Persistent Gaussian Perturbations Prevent Oversmoothing in Recurrent Graph Neural Networks

高斯扰动可防止循环GNN过平滑

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-31 04:00

研究人员开发了一种使用持久高斯扰动来对抗循环图神经网络（GNN）过平滑的新颖方法。该技术在每次传播步骤后注入独立的斯诺伊噪声，将网络转换为随机动力学系统。理论分析表明，通过确保期望平稳狄利克雷能量的正面下界，该方法可以防止节点表示崩溃，从而保持表示的多样性。 AI

影响这项研究通过解决图神经网络的基本过平滑问题，提供了一种改进其深度和性能的新理论方法。

排序理由该集群包含一篇详细介绍图神经网络新研究方法的学术论文。[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 cs.LG TIER_1 English(EN) · Mostafa Haghir Chehreghani · 2026-07-31 04:00

持续的高斯扰动可防止循环图神经网络中的过平滑

arXiv:2607.28185v1 Announce Type: new Abstract: Oversmoothing is a fundamental limitation of deep graph neural networks (GNNs), where repeated message passing causes node representations to become increasingly similar, eventually collapsing toward a low-dimensional subspace. This…