提出HiSP层级池化层以解决图神经网络架构局限
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
最新进展11月20日 13:00
Hierarchical Pooling for Sheaf Neural Networks: 提出 HiSP 层级池化层报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · MLHierarchical 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
- –
02.557.510
15:0018:0021:0011月21日03:00
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。