热点事件持续更新

Deep Neural Sheaf Diffusion 论文更新至 v3

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Rémi Bourgerie、Šarūnas Girdzijauskas 和 Viktoria Fodor 将 Deep Neural Sheaf Diffusion（DNSD）论文更新至 v3，修正公式（3）和公式（12）中的排版错误。此次更新属于论文文本修订，不涉及已报道的模型架构或实验结果变化。 DNSD 提出以 Sheaf 邻接算子替代 Sheaf Laplacian 的深层图神经网络扩散架构，结合归一化、奇非线性函数和门控机制，旨在缓解深层聚合中的信号消失问题。此前报告称，该方法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。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv · Machine Learning
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。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。