连续几何感知图扩散：超几何神经偏微分方程
原文中文，约500字，阅读约需2分钟。发表于：。通过将深度视为连续时间嵌入演化的方法，我们在本文中解耦了超椭圆图神经网络 (HGNN) 并将信息传播重新构造为偏微分方程 (Partial Differential Equation, PDE)，让节点注意力承担超椭圆神经 PDE (Hyperbolic Neural PDE, HPDE)...
本文提出了一种新的方法，通过将深度视为连续时间嵌入演化的方式，解耦了超椭圆图神经网络，并将信息传播重新构造为偏微分方程。进一步提出了超椭圆图扩散方程，通过分析嵌入的潜在能量衰减，证明了其能够模拟低阶和高阶近邻关系，并具有局部-全局传导函数的好处。实验证明了该方法在节点分类、链路预测和图像-文本分类任务中的优越性。
