Jun, 2020

可微分分组归一化加深图神经网络

PDF
TL;DR通过引入两个过度平滑度衡量指标以及可微分的分组正规化技术（DGN），增加同一组内节点的平滑度，同时在不同组之间分离节点分布以显着减轻过度平滑的问题，使得 GNN 模型更加鲁棒，并实现更好的性能与更深层次的 GNN。
graph neural networksover-smoothingdifferentiable group normalizationnode representationscommunity structures
发现论文，激发创造
  • 利用关系嵌入减少图神经网络中的过度平滑

    本文提出了一种使用节点嵌入关系明确缓解图神经网络（GNNs）中超平滑问题的新方法。通过在真实数据集上进行试验，表明利用节点嵌入关系使得 GNN 模型如 Graph Attention Network 对超平滑的鲁棒性更强，并且在更深的 GNNs 下取得更好的性能。我们的方法可以与其他方法结合使用，以获得最佳性能。

    Jan, 2023

  • 图神经网络并非总是过度平滑

    本研究探讨了图神经网络中的过度平滑问题，并通过使用高斯过程在无限多隐藏特征的极限中对图卷积网络中的过度平滑进行了研究。我们通过一种新的非过度平滑阶段，验证了该理论，并通过在有限大小的图卷积网络上进行训练线性分类器来测试我们的方法的预测结果，结果与有限大小的图卷积网络相吻合。

    Jun, 2024

  • 图神经网络中过度平滑问题的注记

    本研究分析图神经网络在层数增加时出现的过度平滑现象，通过使用增广归一化拉普拉斯矩阵的频谱确定权重矩阵的条件，来说明当嵌入的狄利克雷能量收敛于零时，图嵌入的区分能力会丧失。通过使用狄利克雷能量来衡量嵌入的表达能力，可以得到比已有研究更简单的证明，并可处理更多的非线性问题。

    Jun, 2020

  • 从拓扑视角度量和缓解图神经网络的过度平滑问题

    本文研究了图神经网络的过度平滑问题，并提出了两个定量度量指标 MAD 和 MADGap。通过量化实验和分析，我们发现过度平滑是 GNNs 的基本性质，且由于节点接收到的噪声信息比例较高，是导致过度平滑的主要因素。最后我们提出了两种针对拓扑结构的方法：MADReg 和 AdaGraph，证明了这两种方法在 7 个广泛使用的图形数据集上都有效降低了过度平滑问题，并改善了各种 GNN 模型的性能。

    Sep, 2019

  • 课程增强的残差软异性规范化：对深度图神经网络中的过度平滑问题

    通过图神经网络在处理各种与图相关的下游任务中显著提升的性能，本文分析了其在浅层模型中的限制因素，提出了一种软图归一化方法以解决过度平滑和优化困难等问题。同时，基于课程学习的启示，提出了一种基于标签平滑的学习框架，通过逐渐平滑标签和构建逐渐复杂的任务来增强深度图神经网络的优化过程，并减少过拟合风险，得出更好的结果。通过与其他现有方法的比较，通过在 12 个真实世界的节点分类基准测试中广泛实验，证明了所提出模型和学习框架的有效性和潜力。

    Dec, 2023

  • Bregman 图神经网络

    本文提出了一种灵感来自 Bregman 距离概念的 GNNs 的新型双层优化框架，通过引入类似于 “跳跃连接” 的机制，有效地缓解了过度平滑问题，并证明了该方法在同质性和异质性图中优于原始 GNNs。实验证明，即使层数较高，Bregman GNNs 也能产生更稳健的学习精度，表明了该方法在缓解过度平滑问题方面的有效性。

    Sep, 2023

  • PairNorm：解决 GNN 中的过度平滑问题

    本文介绍了 PairNorm，一种新的归一化层，它可以使更深层的图神经网络更加健壮，并显著提高某些问题设置下的性能。

    Sep, 2019

  • 图神经网络的图归一化学习

    本文提出了通过优化四个不同层面的加权组合来学习图归一化的方法，其中包括节点归一化、邻接归一化、图归一化和批归一化。在不同数据集和任务中，学到的权重可以选择最优的归一化技巧，实现竞争性结果。

    Sep, 2020

  • 残差连接和归一化能够在图神经网络中可证明地防止过度平滑

    本文研究了图神经网络中残差连接和标准化层的作用，并提出了一种名为 GraphNormv2 的归一化层，以解决过度平滑问题。

    Jun, 2024

  • 图神经网络作为图信号去噪的统一视角

    本篇论文针对图结构数据的表征学习中的聚合操作进行研究，探究 GCN、GAT、PPNP、APPNP 等 GNN 模型的聚合过程与图像去噪问题之间的通用性，进而提出统一图神经网络框架 UGNN，并基于此开发了 ADA-UGNN 模型，通过实验验证了其在自适应平滑性的图中的有效性。

    Oct, 2020