Deep Neural Sheaf Diffusion：通过 Sheaf 邻接算子实现深层图神经网络扩散

Deep Neural Sheaf Diffusion（DNSD）提出一种面向深层图神经网络（GNN）的扩散架构，以 Sheaf 邻接算子替代 Sheaf Laplacian，缓解深层聚合中的信号消失问题。该方法结合归一化、奇非线性函数和门控机制，在合成长程依赖数据集上较 GNN 和 NSD 基线最高提升 30 个百分点，并在真实世界基准测试中持续领先。