图神经网络中强化平滑与过度压缩的统一:一种基于物理信息的方法及拓展
原文中文,约400字,阅读约需1分钟。发表于: 。借鉴于经典和量子物理中常用的反时间原理,本研究颠倒了图热方程的时间方向,产生了一类高通滤波函数,提高了图节点特征的清晰度。基于此概念,引入了基于多尺度热核的图神经网络 (MHKG),通过综合不同的滤波函数对节点特征的影响,进一步将 MHKG 广义化为一种称为 G-MHKG...
本研究提出了一种高通滤波函数,通过颠倒图热方程的时间方向,提高了图节点特征的清晰度。基于此概念,引入了基于多尺度热核的图神经网络 (MHKG),进一步将其广义化为一种称为 G-MHKG 的模型,并展示了各个元素的作用。研究发现滤波函数特性可以表征和分析过度平滑和过度压缩之间的权衡关系。通过再次操作时间,展示了 G-MHKG 在较小条件下解决这两个问题的能力。实验结果证明了所提出模型在同质性和异质性图数据集上的有效性。