一篇新发表在arXiv上的研究论文详细介绍了多项式图滤波器应用于长程伊辛模型基准(LRIM)时的谱极限。研究证明,标准滤波器(即邻接矩阵的多项式)会遇到一个误差下限,该下限无法通过增加滤波器次数来降低。为了克服这一限制,滤波器必须能够单独加权偏移量并解析整个晶格的耦合。该论文引入了一种跨步滤波器,其性能显著优于现有网络,在LRIM上的误差比已发布的最佳网络低52倍。 AI
影响 这项研究可能导致更高效的图神经网络架构,以解决具有长程依赖性的问题。
排序理由 这是一篇发表在arXiv上的研究论文,详细介绍了图滤波器和特定基准的理论发现和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Fourier Neural Operator
- Gotit.pub
- Hugging Face
- IArxiv
- Ising model
- Laboratoire Recherche Informatique Maisonneuve
- Long-range Ising Model benchmark
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →