Zexing Zhao

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。