松弛图变换器用于对抗攻击
图变换器(GTs)通过自注意力计算节点对,但忽略节点位置信息。为了解决这一限制,引入了一种创新且高效的框架,将位置编码(PEs)引入Transformer,生成一组可学习的位置编码,存在于非欧几里德域中的双曲空间。通过这种方法,可以探索用于特定下游任务的PEs的多种选择选项,利用双曲神经网络或双曲图卷积网络。此外,重新使用这些位置编码来减轻深层图神经网络(GNNs)中的过度平滑的影响。实验证实了双曲位置编码在提高深层GNN性能方面的有效性。
原文中文,约300字,阅读约需1分钟。