圖神經網絡論文閱讀(二十) Towards Deeper Graph Neural Networks

本文的三位作者來自Texas A&M University。 本文爲深度GNN的發展做出了以下貢獻: 本文認爲當前圖卷積運算中表示變換與傳播的過度耦合是影響算法性能的關鍵因素。將這兩種操作解耦後,更深層次的圖神經網絡可用於從更大的接受域學習圖節點表示。 在此基礎上提出了深度自適應圖神經網絡(DAGNN)來自適應地吸收來自大接受域的信息。 Graph Convolution Operations 首
相關文章
相關標籤/搜索