通过霍奇表示法实现图和单纯复形预测的高斯过程

本文解决了在稀缺数据条件下图神经网络(overfitting)表现不佳的问题，提出了一种将高斯过程扩展到单纯复形(SCs)的创新方法。研究结果表明，该方法通过引入霍奇分解来丰富单纯复形的表示，显著提升了各种应用中的预测性能，推动了高斯过程在图和单纯复形预测中的更广泛应用。