sheaf Laplacian

束神经网络归纳任务基准测试结果喜忧参半

研究人员对束神经网络（SNNs）在归纳任务上的表现进行了全面的基准测试，这与它们通常在转导节点分类上的评估不同。该研究探索了各种扩散机制、限制映射参数化、茎维度和GNN架构组件。研究结果表明，限制映射是最关键的设计选择，其中通用映射被证明是更优的。虽然SNNs可以泛化到归纳设置，但它们并不总是能胜过强大的基线模型，性能差距因数据集而异。研究表明，优化周围的架构组件比微调束算子本身更具影响力。