本研究借鉴反时间原理，提出了一种高通滤波函数，提高了图节点特征的清晰度。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。实验证明该模型在图数据集上有效，胜过了几个基线模型。

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。

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。