zhang--yd

摘要： 1. 论文介绍 论文题目：Deep Graph Infomax 论文发表： ICLR 2019 论文领域：图神经网络，无监督学习 论文背景： 2. 论文摘要 我们提出了深度图Infomax（DGI），这是一种以无监督方式学习图结构数据中节点表示的通用方法。DGI依赖于让局部表示和相应的图高阶的摘要信 阅读全文

摘要： 1. 论文介绍 论文题目：Revisiting Over-smoothing and Over-squashing Using Ollivier-Ricci Curvature 论文领域：图神经网络 论文发表：ICML 2023 论文代码：https://github.com/hieubkvn123 阅读全文

摘要： 1. 论文介绍 论文题目：Deep Convolutional Networks on Graph-Structured Data 论文领域：图神经网络 论文发表：NIPS 2015 论文背景： 2. 论文摘要 深度学习最近的成功主要依赖于卷积网络，它利用了图像、声音和视频数据的基本统计特性：局部平 阅读全文

摘要： 1. 论文介绍 论文题目：Disentangled Graph Spectral Domain Adaptation 论文发表：ICML 2025 论文领域：图神经网络，非监督域适应，迁移学习 论文背景： 2. 论文摘要 分布转移和标签的缺乏阻止了图学习方法，特别是图神经网络（GNNs）的跨域推广。 阅读全文

摘要： 1. 论文介绍 论文题目：Representation Learning on Graphs with Jumping Knowledge Networks 论文领域：图神经网络 论文发表：ICML 2018 论文背景： 2. 论文摘要 最近用于图的表示学习的深度学习方法遵循邻域聚合过程。我们分析了 阅读全文

摘要： 1. 论文介绍 论文题目：Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification 论文领域：图神经网络 论文发表：NIPS 2024 论文背景： 2. 论文摘要 图变换器（GT）最近成为传统消息传递图神经 阅读全文

摘要： 1. 论文介绍 论文题目：Rethinking graph regularization for graph neural networks 论文发表：AAAI 2021 论文领域：图神经网络 论文背景： 2. 论文摘要 图的拉普拉斯正则化项通常用于半监督表示学习，以提供模型的图结构信息。然而，随着 阅读全文

摘要： 1. 论文介绍 论文题目：How Powerful are Graph Neural Networks 论文领域：图神经网络 论文发表：ICLR 2019 论文背景: 2. 论文摘要 图神经网络是一种有效的图表示学习框架。GNN遵循邻域聚合方案，通过递归聚合和变换相邻节点的表示向量来计算节点的表示向 阅读全文

摘要： 1. 论文介绍 论文题目：Can Classic GNNs Be Strong Baselines for Graph-level Tasks? Simple Architectures Meet Excellence 论文发表：ICML 2025 论文领域： 图神经网络 论文背景： 2. 背景介绍 阅读全文

摘要： 1. 论文介绍 论文名称：signSGD: compressed optimisation for non-convex problems 论文发表：ICML 2018 论文领域：分布式机器学习 2. 背景介绍 使用分布式架构来训练大型神经网络，其梯度通信消耗是一个大的瓶颈。本文的signSGD算法 阅读全文