研究人员为图神经网络（GNN）开发了一个新的理论框架，解决了过平滑问题，即在深度网络中节点特征变得无法区分。通过分岔理论的视角分析过平滑，他们发现用特定的函数替换标准的ReLU激活函数可以破坏同质状态的稳定性。这一理论突破导致了稳定的、非同质模式的出现，这些模式能够抵抗过平滑，并具有经过验证的模式幅度缩放定律和在网络初始化中的实际应用。 AI
影响 引入了一种理论方法，通过缓解过平滑来提高GNN性能，有可能增强其在复杂的基于图的任务中的应用。
排序理由 学术论文，详细介绍了针对GNN中已知问题的 novel 理论方法。[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 →