Indagine sul Rewiring dei Grafi per Risolvere l'Over-Squashing e l'Over-Smoothing nelle GNN
Una nuova indagine esamina le tecniche di rewiring dei grafi nelle Reti Neurali a Grafo (GNN) per affrontare l'over-squashing e l'over-smoothing. L'over-squashing comprime le informazioni provenienti da nodi distanti, mentre l'over-smoothing rende le rappresentazioni dei nodi indistinguibili dopo ripetute propagazioni. Entrambi i problemi degradano il flusso di informazioni e limitano le prestazioni delle GNN. L'indagine esamina i metodi di rewiring allo stato dell'arte, coprendo i fondamenti teorici, le implementazioni pratiche e i compromessi prestazionali. È stata pubblicata su arXiv il 26 novembre 2024, nella categoria Computer Science > Machine Learning.
Fatti principali
- Il rewiring dei grafi modifica la topologia del grafo per migliorare la propagazione delle informazioni nelle GNN.
- L'over-squashing comprime le informazioni provenienti da nodi distanti.
- L'over-smoothing rende le rappresentazioni dei nodi indistinguibili.
- Entrambi i fenomeni derivano dall'interazione tra il passaggio di messaggi e la topologia di input.
- L'indagine fornisce una revisione completa degli approcci di rewiring.
- Copre i fondamenti teorici, le implementazioni pratiche e i compromessi prestazionali.
- Pubblicata su arXiv il 26 novembre 2024.
- Elencata nella categoria Computer Science > Machine Learning.
Entità
Istituzioni
- arXiv