图上的广义神经扩散框架

原文约400字，阅读约需1分钟。发表于：。

提出了一个带有准确性项的一般扩散方程框架，从而形式化地建立了扩散过程与更多图卷积网络之间的关系，并通过实验证明了高阶邻居标签之间的相似性特征，推动了新型图扩散网络（HiD-Net）的设计。

本文探讨了图扩散方程与图神经网络的关系，研究发现现有基于图局部扩散的模型泛化能力不足，提出了一种新的图编码器骨干ADiT，该模型在拓扑分布转移情况下具有期望的泛化能力，并在各种图学习任务中表现出卓越性能。