PulseAugur
中
实时 07:52:32

新研究统一了关系和时序 GNN 的表达能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员在强表达性彩票假说（SELTH）的框架内，探索了稀疏图神经网络（GNN）的表达能力。该研究将这一假说推广到多关系和时序图领域，并引入了关系 Weisfeiler-Leman（RWL）算法的概念。研究结果表明，参数充分的关系 GNN 可以包含保持 1-RWL 表达能力的稀疏子网络，并通过随机剪枝实现这一目标的概率得出了一个推导出的下界。该研究还证明，常见的时间 GNN 和跨图消息传递方案可以重新表述为 RGNN，继承这些表达能力保证，并将稀疏 RGNN 的表达能力与其优化行为联系起来。 AI

影响 通过更好地理解参数稀疏性的作用，这项研究可能带来更高效、更具表达力的图神经网络。

排序理由 该集群包含一篇详细介绍图神经网络理论进展的学术论文。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新研究统一了关系和时序 GNN 的表达能力

报道来源 [2]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    一种统一的关系视角看表达性彩票

    Graph neural networks (GNNs) are widely used, but how parameter sparsity affects the expressivity of relational (RGNNs) and temporal (TGNNs) variants is poorly understood. The Strong Expressive Lottery Ticket Hypothesis (SELTH) posits the existence of sparse GNNs that preserve We…

  2. arXiv stat.ML TIER_1 English(EN) · Lorenz Kummer, Samir Moustafa, Anatol Ehrlich, Franka Bause, Marco Nennstiel, Przemys{\l}aw Andrzej Wa{\l}\c{e}ga, Nils Morten Kriege ·

    一种统一的关系视角看表达性彩票

    arXiv:2608.18819v1 Announce Type: cross Abstract: Graph neural networks (GNNs) are widely used, but how parameter sparsity affects the expressivity of relational (RGNNs) and temporal (TGNNs) variants is poorly understood. The Strong Expressive Lottery Ticket Hypothesis (SELTH) po…

相关实体

相关话题