从耦合振子到图神经网络:通过库拉莫托模型方法减少过度平滑
原文中文,约400字,阅读约需1分钟。发表于: 。我们提出了 Kuramoto Graph Neural Network (KuramotoGNN),一种新颖的连续深度图神经网络 (GNN),它采用 Kuramoto 模型来减轻过度平滑现象,在 GNN 中,随着层数的增加,节点特征变得无法区分。Kuramoto 模型捕捉了非线性耦合振荡器的同步行为。通过耦合振荡器的视角,我们首先展示了 Kuramoto 模型与基本 GNN...
本研究提出了一种基于多尺度热核的图神经网络 (MHKG),并将其广义化为一种称为 G-MHKG 的模型。实验结果表明,G-MHKG 在具有同质性和异质性的图数据集上表现优异。