BriefGPT - AI 论文速递
·
Graph Neural Networks Require Clustering-Normalization-Activation Modules
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种聚类-归一化-激活（CNA）模块，有效解决了图神经网络的过平滑问题，显著提升了节点分类和属性预测的准确率，Cora和CiteSeer数据集上分别达到94.18%和95.75%。
🎯
关键要点
-
本研究提出了一种聚类-归一化-激活（CNA）模块。
-
CNA模块有效解决了图神经网络的过平滑问题。
-
该模块显著提升了节点分类和属性预测的准确率。
-
在Cora数据集上，准确率达到94.18%。
-
在CiteSeer数据集上，准确率达到95.75%。
-
CNA模块在回归任务中也表现出色。
-
所需的可学习参数显著减少。
🏷️
