跳到正文
热点事件持续更新

提出HiSP层级池化层以解决图神经网络架构局限

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月,研究者发布了一项关于Sheaf神经网络的新架构。 该架构命名为HiSP,旨在解决现有架构在同一图上扩散的局限性。 新架构通过分组节点并归约特征,构建了粗粒度图结构,实现了层级化表征学习。

AI 根据报道生成 · 15 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20日
  1. arXiv · ML
    Hierarchical Pooling for Sheaf Neural Networks: 提出 HiSP 层级池化层

    现有 Sheaf 神经网络架构始终在同一图上进行扩散,尽管限制映射随层变化。 提出 Hierarchical Sheaf Pooling (HiSP) 层,遵循 Select-Reduce-Connect-Lift 框架,通过分组细粒度节点并基于细粒度 Sheaf 结构归约特征,构建粗粒度图。

本事件热度走势

可比范围当前
6
可比范围峰值
1011月20日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。