Ali Hariri

新的GNN架构学习自适应图几何以提升长距离任务性能

研究人员开发了一种新颖的图神经网络（GNN）架构，称为mu-ChebNet，旨在提高长距离图任务的性能。该架构学习一个节点级加权函数，该函数修改图拉普拉斯算子，在不改变底层图结构的情况下有效地调整传播几何。学习到的几何引导信息沿首选路径流动，缓解了梯度消失和过平滑等问题，并提供了一种可解释、轻量级的替代方案，可用于注意力机制和重新布线等现有方法。