我們很高興地宣布，一篇題為「简单而有效的无梯度图卷积网络」的開創性會議論文將於2025年9月左右在《International Joint Conference on Neural Networks》上發表。論文由本院教師朱禹林以第一作者身份與香港理工大學合作完成：
- Yulin Zhu, Xing Ai, Qimai Li, Xiaoming Wu, Wai-Lun Lo, Kai Zhou. (2025, June 30th-July 5th ). Simple yet Effective Gradient-Free Graph Convolutional Networks. International Joint Conference on Neural Networks, Rome, Italy.
論文摘要
近年來，線性化圖神經網絡（GNN）在圖表示學習領域備受關注。與非線性圖神經網絡（GNN）模型相比，線性化GNN更為高效，且在如節點分類等典型下游任務中能取得相當的表現。儘管部分線性化GNN變體旨在緩解「過度平滑」問題，但實證研究顯示，它們在某種程度上仍受此困擾。本文將過度平滑與梯度消失現象聯繫起來，並設計了一個無梯度訓練框架，以實現更高效、更有效的線性化GNN，從而顯著克服過度平滑問題並增強模型的泛化能力。實驗結果表明，我們的方法在節點分類任務中取得了更好且更穩定的表現，且在不同深度下訓練時間大幅縮短。
研究團隊成員
香港珠海學院
- 朱禹林博士，資訊科學學系助理教授
- 盧葦麟教授，資訊科學學系正教授，系主任，質素保證處處長
香港理工大學
- 艾星，香港理工大學博士生
- 李其邁，香港理工大學博士，現任集微基金的量化交易工程師
- 吳曉明，香港理工大學數據科學及人工智能學系副教授
- 周凱，香港理工大學計算科學系助理教授
部分論文照片
