mpnns | BriefGPT - AI 论文速递

关键词mpnns

搜索结果 - 7

未经训练的消息传递层的链接预测
无标记信息传递层在图神经网络中被探索，与完全训练的 MPNN 相比，能够在链路预测中表现出竞争性和优越性能，尤其在存在高维特征的情况下，并通过理论分析将其与基于路径的拓扑节点相似度测量相关联。因此，无标记信息传递架构被视为一种高效且可解释的
PDF10 days ago
使用分级支持图进行下一级的消息传递
通过引入分层支持图 (HSG)，该研究在 MPNN 中提出了一种解决局限性的策略，以促进图中的全局信息交流，经过理论分析和实证研究发现，HSG 能够在多个数据集上达到最先进的性能。
PDF12 days ago
混合图上的消息传递网络的泛化界限
研究了消息传递神经网络（MPNNs）的泛化能力，并给出了具体适用于具有规范化求和和平均聚合的 MPNNs 的泛化边界。在更现实和具有挑战性的情境下，通过分析简单的随机图、扰动的图标和稀疏图，得出结论表明，只要图形足够大，比训练集的大小复杂，
PDF3 months ago
优化架构的消息传递神经网络用于带隙回归
通过基于图的神经网络（Graph-based neural networks）和消息传递神经网络（message-passing neural networks，MPNNs），我们训练了一个 MPNN，首先使用 AFLOW 数据库中的密度泛
PDF10 months ago
MM广义拉普拉斯位置编码用于图表示学习
本文通过泛化定义拉普拉斯嵌入的优化问题，提出了一族新的图形式的位置编码，并讨论了一种计算这些位置编码的方法，证实了这种新的位置编码可以提高 MPNN 的表述能力，同时给出了初步的实验结果。
PDF2 years ago
DiffWire: 通过 Lovász 上界进行归纳图重连
本文提出了一个新框架 DiffWire，使用 CT-Layer 和 GAP-Layer 两种新型层，令 Graph Neural Networks 具有更好的表达能力和稳定性，解决了现有 MPNNs 存在的问题。同时，实验证明不同层分别在图
PDF2 years ago
大规模随机图上消息传递神经网络的泛化分析
研究了 MPNN 在图分类和回归中的泛化误差，表明 MPNN 的复杂度越高，泛化差距越大；同时，不仅训练样本数，而且图中平均节点数对泛化差距也有影响。从统一收敛结果导出泛化界限，表明在图上应用 MPNN 可以逼近离散化的几何模型上的 MPN
PDF2 years ago