Newton-Schulz iteration

新的GUMP框架通过酉传播稳定图神经网络

研究人员推出了一种名为图酉消息传递（GUMP）的新型框架，旨在稳定深度神经网络，尤其是在图神经网络（GNNs）领域。GUMP通过在变换后的图上采用酉传播算子，解决了可学习参数和图传播算子均引起的稳定性问题。这种方法结合了图变换和酉投影程序，理论上确保了图传播项的深度稳定性，这与标准归一化传播中指数衰减的现象形成对比。在各种数据集上的实证结果表明，GUMP的性能优于标准的图消息传递方法，并且与其他强大的基线方法相比具有竞争力。