Mila和华为提出CKGConv:连续卷积核的图卷积网络 前言在ICML2024上,来自麦吉尔大学, Mila魁北克人工智能研究所以及华为诺亚方舟实验室的研究者发表了一个基于连续卷积核(continuous kernel)的全新图卷积算子(图连续卷积CKGConv),基于此算子的纯图卷积网络(CKGCN)在多个图任务中同样能够达到媲美SOTA图Transformer的性能。作者...
长距离依赖学习: 在长距离图基准测试中,CKGConv表现优异,验证了其学习长距离依赖的能力。灵活核的可视化与敏感性研究: 通过实验展示了CKGConv核函数的灵活性,并进行了一系列的敏感性研究,验证了不同伪坐标对CKGConv表现的影响。结论: CKGConv不仅在理论上具备强大的表达能力,实验上也展现了其卓越的性能,特别是在...
pip install setuptools==59.5.0 # distuitls has conflicts with pytorch with latest version of setuptools pip install timm pip install einops # pip install wandb # the support of wandb is implemented in the pipeline; but we did not use it in CKGConv; please verify the usability before using...
除此之外,作者也验证了CKGConv可以支持非全局的卷积运算,并且进行了对比实验。实验结果说明,当卷积核大小达到一定阈值后,CKGConv也可以达到和全局卷积相当的表现。这说明CKGConv具有后续拓展到更大的图数据的灵活性。 2.3 和图Transformer相当的结构表征能力基于广义距离-WL框架[5],作者也从理论上证明CKGConv可以拥有和...