贝叶斯图谱神经网络
机器学习
2025-09-15 v2 社会与信息网络
摘要
为图神经网络配备基于细胞图谱的卷积运算可为学习表达heterophilic图数据的表示提供优势。最灵活的构建图谱的方法是将其作为节点特征函数的一部分进行学习。这会使网络对所学习的图谱过于敏感。作为对策，我们提出一种变分方法，用于在图谱神经网络中学习细胞图谱，从而得到一种称为贝叶斯图谱神经网络的体系结构。本 work 中，我们定义了一种新的可重参数化的概率分布族，作用于旋转群 ，并利用Cayley变换。我们在几个图数据集上评估了贝叶斯图谱神经网络，表明我们的贝叶斯图谱模型在基准模型和在数据有限的设置下对超参数选择较不敏感方面取得领先性能。
引用
@article{arxiv.2410.09590,
title = {Bayesian Sheaf Neural Networks},
author = {Patrick Gillespie and Layal Bou Hamdan and Ioannis Schizas and David L. Boothe and Vasileios Maroulas},
journal= {arXiv preprint arXiv:2410.09590},
year = {2025}
}
备注
32 pages, 4 figures