12:20
官方账号arXiv cs.LG@Stefano Fiorini, Edoardo Coppola, Pietro Liò
推荐理由：头回有人把Sheaf神经网络放到归纳任务里系统跑分，1890组实验，结论是调外围架构比调Sheaf算子更划算。
归纳学习
共 1 条相关 AI 资讯
8月4日
12:20
该论文首次系统评测Sheaf Neural Networks在归纳学习下的表现，覆盖三种扩散机制、三种限制图参数化和三种茎维度。研究采用不组装重Sheaf拉普拉斯算子的消息传递重构，支持跨图批处理。作者在14个归纳数据集上完成1890组受控实验，发现限制图是主导设计选择，通用映射优于特殊映射。实验还显示，增大茎维度提升容量但无法增强长程信息传递，架构组件对性能差异的贡献超过Sheaf特定设计空间本身。匹配协议下SNN可迁移至归纳场景，但与最强基线仍有数据集相关的差距。