全球大模型进展新闻浏览站
中文头版English
输入关键词,快速查找已抓取新闻。

今日版 / 2026年8月12日星期三

limbo logolimbo

数据更新时间

7月7日 17:52

启用来源

17

抓取状态

真实抓取

研究进展arXiv AI / CL

图卷积注意力:从谱视角看图去噪与扩散

摘要

研究揭示了线性注意力在图去噪任务中的局限性,只能学习平均谱滤波器。为此提出谱注意力机制,利用输入图谱信息,理论上优于线性注意力。进一步实现图卷积注意力(GCA),通过图滤波查询和键实现谱去噪,并在随机块模型中证明其最优性。实验表明GCA在合成和真实数据集上持续提升去噪和扩散性能。

背景解释

图去噪是图学习和扩散模型的核心问题。注意力机制在图去噪中表现优异,但理论理解不足。该研究从谱角度分析,发现线性注意力存在根本局限,并提出了更优的谱注意力机制。这有助于改进图神经网络和扩散模型,提升处理噪声图数据的能力,对社交网络分析、分子生成等领域有潜在应用价值。

原文译文

以下为抓取到的原文内容译文,已统一为站内阅读格式。

阅读原文
这条新闻暂未保存可复现的原文正文,可以点击原文链接阅读。

来源地区

Global

热度分

76

分类

研究进展

语言

en