实体
Graph Navier Stokes Networks
Graph Navier Stokes Networks
PulseAugur coverage of Graph Navier Stokes Networks — every cluster mentioning Graph Navier Stokes Networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Graph Navier Stokes Networks 结合对流克服过平滑问题
研究人员推出了一种新颖的图神经网络（GNN）架构——Graph Navier Stokes Networks（GNSN），旨在克服过平滑问题。与传统的基于扩散的方法不同，GNSN通过定义消息传播的动态速度场，将对流纳入图结构。这种方法允许对流和扩散之间更具适应性的平衡，从而在不同同质性水平的数据集上获得更好的性能。在十二个真实世界数据集上的评估表明，GNSN在分类准确性方面持续优于现有的最先进基线，并能有效缓解过平滑问题。
-
图纳维-斯托克斯网络通过对流解决过平滑问题
研究人员推出了一种名为图纳维-斯托克斯网络（GNSN）的新架构，旨在解决图神经网络（GNN）中的过平滑问题。与传统的基于扩散的方法不同，GNSN 结合了对流，创建了一个动态速度场，以实现更高效的消息传播。这种方法使 GNSN 能够更好地处理具有不同同质性的数据集，并在多个现实世界的分类任务上展现出卓越的性能。