PulseAugur
中
实时 05:16:34
English(EN) Aggregation Buffer: Revisiting DropEdge with a New Parameter Block

新的聚合缓冲区增强了GNN的鲁棒性，超越了DropEdge

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了聚合缓冲区（Aggregation Buffer），一种旨在增强图神经网络（GNNs）鲁棒性的新型参数块。该方法旨在改进DropEdge，这是一种在训练过程中随机移除边的增强技术。聚合缓冲区解决了许多GNN架构中的一个基本限制，该限制限制了DropEdge的性能提升。所提出的解决方案与现有的GNN模型兼容，并在各种数据集上展示了持续的性能改进，同时还缓解了度偏差和结构差异等问题。 AI

影响 引入了一种提高GNN性能和鲁棒性的新颖方法，可能使依赖于图数据的应用程序受益。

排序理由 这是一篇详细介绍改进GNN新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Dooho Lee, Myeong Kong, Sagad Hamid, Cheonwoo Lee, Jaemin Yoo ·

    聚合缓冲区：使用新的参数块重新审视 DropEdge

    arXiv:2505.20840v2 Announce Type: replace Abstract: We revisit DropEdge, a data augmentation technique for GNNs which randomly removes edges to expose diverse graph structures during training. While being a promising approach to effectively reduce overfitting on specific connecti…

相关实体

相关话题