图神经网络论文阅读(二十) Towards Deeper Graph Neural Networks

本文的三位作者来自Texas A&M University。 本文为深度GNN的发展做出了以下贡献: 本文认为当前图卷积运算中表示变换与传播的过度耦合是影响算法性能的关键因素。将这两种操作解耦后,更深层次的图神经网络可用于从更大的接受域学习图节点表示。 在此基础上提出了深度自适应图神经网络(DAGNN)来自适应地吸收来自大接受域的信息。 Graph Convolution Operations 首
相关文章
相关标签/搜索