研究人员推出了一种新颖的深度图神经网络架构——Householder图神经网络（HouseGNN），旨在解决过平滑问题。与直接应用传播算子的标准GCN不同，HouseGNN利用聚合的邻域消息来估计反射方向。然后通过Householder反射器和GroupSort更新节点嵌入，创建分段正交层，在网络的深度中保持欧几里得范数。这种方法允许通过正交算子之间的不匹配来改变节点间的距离。 AI
影响 引入了一种新颖的架构来解决深度图神经网络的一个关键限制，有可能提高基于图的任务的性能。
排序理由 详细介绍新模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- graph convolutional network
- GroupSort
- HouseGNN
- Householder Graph Neural Network
- Householder Matrices
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
