研究人员开发了一种新颖的图神经网络（GNN）架构，称为mu-ChebNet，旨在提高长距离图任务的性能。该架构学习一个节点级加权函数，该函数修改图拉普拉斯算子，在不改变底层图结构的情况下有效地调整传播几何。学习到的几何引导信息沿首选路径流动，缓解了梯度消失和过平滑等问题，并提供了一种可解释、轻量级的替代方案，可用于注意力机制和重新布线等现有方法。 AI
影响 引入了一种新颖的GNN架构，通过学习自适应图几何来提高长距离任务的性能。
排序理由 该集群包含一篇详细介绍新GNN架构及其在图任务上性能的学术论文。[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 →