跳到正文
热点事件持续更新

研究者提出图卷积注意力GCA改进图去噪

1 篇报道1 个报道来源19 小时前更新

先了解这件事

AI 综述

Shervin Khalafi 等作者提出图卷积注意力(GCA),用图谱相关的谱注意力分数替代标准注意力。他们称,标准注意力只在训练分布上学到平均谱去噪滤波器,当图谱变化时表现次优。 GCA 以图滤波后的 query 和 key 实现。作者称,在随机块模型上,GCA 可匹配谱注意力的最优去噪损失。

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。

10月15日
  1. arXiv:cs.AI
    图卷积注意力 GCA:从谱视角理解图去噪与扩散

    研究者提出图卷积注意力(GCA),用图谱相关的谱注意力分数替代标准注意力,并证明标准注意力只在训练分布上学到平均谱去噪滤波器、图谱变化时次优。GCA 以图滤波后的 query 和 key 实现,在随机块模型上可匹配谱注意力的最优去噪损失。

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。