实体
Weisfeiler-Lehman test
Weisfeiler-Lehman test
PulseAugur coverage of Weisfeiler-Lehman test — every cluster mentioning Weisfeiler-Lehman test across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的GSWL测试将几何结构纳入单纯形消息传递模型
研究人员开发了一个名为几何单纯形Weisfeiler--Lehman（GSWL）测试的新框架，以解决现有消息传递网络的局限性。GSWL测试通过纳入顶点坐标，增强了Weisfeiler--Lehman（WL）和单纯形扩展（SWL）测试，使其能够区分具有相同连通性但不同几何嵌入的网格。预计这一进展将提高几何感知消息传递方案的表达能力，并通过在合成和网格数据集上的实验得到了验证。
-
全谱GNN推进了用于富有表现力和可扩展图学习的光谱滤波
研究人员推出全谱图神经网络（FSpecGNN），这是一种新颖的方法，可增强光谱图神经网络的表现力。FSpecGNN通过在节点对上操作并对特征值对使用双变量滤波器来推广经典光谱GNN，超越了一维Weisfeiler-Lehman测试的局限性。这一进展实现了节点对信号的通用近似，这对于异质图学习特别有益。所提出的架构还集成了可扩展的实现和低秩近似，从而能够在大规模图上进行高效学习。
-
新的研究基准和方法推动图神经网络的评估和设计
几篇最新的arXiv论文探讨了图神经网络（GNNs）的进展和挑战。研究内容包括验证GNN归属和检测仿冒模型的方法，以及开发用于评估知识图谱构建和GNN性能的统一基准。其他工作则侧重于对抗性GNNs的标准化评估协议、用于缓解过挤压和过平滑的图重连技术调查、自适应节点特征选择，以及一个名为Grothendieck Graph Neural Networks的新代数框架，该框架超越了传统的基于邻域的聚合。