研究人员在图变换器（GTs）与流形神经网络（MNNs）之间建立了理论联系，特别是在GTs使用基于GNN的位置编码时。本研究表明，GTs继承了其位置编码的可迁移性保证，这意味着在较小图上训练的模型可以泛化到较大的图。在标准基准测试上的实验结果证实，GTs表现出与GNN相当的可扩展行为，并在估计地形上的最短路径距离方面展示了实际应用。 AI
影响 证明了GTs可扩展性的理论基础，为大规模图数据的高效训练方法提供了思路。
排序理由 学术论文，详细阐述了图变换器属性的理论发现和实验验证。[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 →
