深層GNN

深度分析

mHC-GNN：以流形約束超連接突破圖神經網路深度極限

圖神經網路因過度平滑與 1-WL 表達力限制而難以加深。mHC-GNN 將節點特徵擴展為多條平行流，並以 Sinkhorn-Knopp 正則化約束流混合矩陣至雙隨機空間。理論證明過度平滑速率從 (1−γ)^L 降至 (1−γ)^(L/n)，且能區分超出 1-WL 的圖。在 10 個資料集上，128 層時仍維持 74% 準確率，極深層改善逾 50 百分點。