PulseAugur
中
实时 10:29:16
English(EN) Enhanced Graph Neural Networks using K-Hop Gaussian Diffusion

新的 K-Hop 高斯扩散核增强图神经网络

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的 K-Hop 高斯（KHG）扩散核，旨在增强图神经网络（GNN）。该新核通过结合多跳扩散和对距离较远节点的斯高斯加权，解决了现有 GNN 的局限性。实验表明，KHG 在嘈杂或结构复杂的图上，其性能优于传统的消息传递 GNN 以及个性化 PageRank 和热核等其他扩散核。 AI

影响 这种新的扩散核可以提高 GNN 在复杂和嘈杂图环境中的性能，可能影响依赖图分析的领域。

排序理由 该集群包含一篇详细介绍图神经网络新方法的论文。[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) · Xuling Zhang, Peng Wang, Daiyan Li, Aoran Huang, Zeiwei Chen, Yongkui Yang ·

    Enhanced Graph Neural Networks using K-Hop Gaussian Diffusion

    arXiv:2606.18317v1 Announce Type: new Abstract: Most graph neural network (GNN) cores rely on graph convolutions, typically implemented as message passing between direct (single-hop) neighbors. In many real-world graphs, edges can be noisy or poorly defined, limiting information …

相关实体

相关话题