محققان در مقالهای تازه، راهکار نوآورانهای برای بهبود یادگیری در گرافهای جهتدار ارائه دادند. مشکل اصلی در مدلهای فعلی این است که با عمیقتر شدن شبکه، کیفیت دادهها به شدت افت میکند (پدیده Oversmoothing). این متد جدید با استفاده از «ناوردایی پیمانهای» (Gauge Invariance)، نه تنها پایداری مدل را در برابر تغییرات پارامترها افزایش میدهد، بلکه باعث میشود شبکههای عصبی گراف بسیار دقیقتر و کارآمدتر عمل کنند.
این تحقیق نشان میدهد که چگونه مسائل کلاسیک ریاضی میتوانند گره از کار پیچیدهترین معماریهای هوش مصنوعی باز کنند.
منبع: arXiv Machine Learning