AGNN: 循环使用图正则化神经网络缓解过渡平滑问题【英文版】

英文标题：AGNN: Alternating Graph-Regularized Neural Networks to Alleviate Over-Smoothing中文摘要：本研究提出了一种 Alternating Graph-regularized Neural Network (AGNN) 模型，其中包括 Graph Convolutional Layer (GCL) 和 Graph Embedding Layer (GEL)。GEL 通过包含拉普拉斯嵌入项的图正则化优化导出，可以通过从低阶特征空间定期投影到高阶空间来缓解过度平滑问题。通过改进的 Adaboost 策略聚合来自每一层的输出，并探索多跳邻居的集成嵌入，评估表明，在比较某些多层或多阶图神经网络的性能基础上，AGNN 比现有的最先进模型表现更好。英文摘要：Graph Convolutional Network (GCN) with the powerful capacity to exploregraph-structural data has gained noticeable success in recent