图深度散射变换中的极限过平滑与过压制
谱理论
2026-05-20 v2
摘要
图神经网络（GNN）已成为处理图结构数据的最重要工具，利用消息传递方案作为其核心机制。然而，传统 GNN 常面临不稳定、过平滑和过压制等问题，这些问题会降低性能并制造权衡困境。本文引入一种判别训练的多层深度散射消息传递（DSMP）神经网络，以克服这些挑战。通过利用谱变换，DSMP 模型聚合具有全局信息的相邻节点，从而增强图信号处理的精确度和准确度。我们提供了在特定条件下 DSMP 有效缓解这些问题的理论证明。此外，我们通过实证证据和彻底的频率分析，展示了 DSMP 在解决不稳定、过平滑和过压制方面的优越能力。
引用
@article{arxiv.2407.06988,
title = {Limiting Over-Smoothing and Over-Squashing of Graph Message Passing by Deep Scattering Transforms},
author = {Yuanhong Jiang and Dongmian Zou and Xiaoqun Zhang and Yu Guang Wang},
journal= {arXiv preprint arXiv:2407.06988},
year = {2026}
}
备注
35 pages, 6 figures