AdvSynGNN

AdvSynGNN架构增强图神经网络对结构噪声的弹性

研究人员开发了AdvSynGNN，这是一种新颖的图神经网络架构，旨在提高其在结构噪声和非同质拓扑下的性能和弹性。该框架结合了多分辨率结构合成和对比目标，用于几何敏感初始化。它还具有一个Transformer骨干网络，通过学习到的拓扑信号调制注意力机制来适应异质性，以及一个用于连接改变和全局一致性强制执行的对抗性传播引擎。此外，使用残差校正和每节点置信度指标的标签精炼过程增强了在各种图分布下的迭代稳定性和预测准确性。