ICLR

Residual Connections and Normalization Can Provably Prevent Oversmoothing in GNNs

残差连接和归一化可以证明性地防止GNNs中的过平滑

Michael Scholkemper, Xinyi Wu, Ali Jadbabaie, Michael T. Schaub

AI总结 本文提出GraphNormv2，通过理论分析证明残差连接和归一化层能防止GNNs中的过平滑问题，并通过实验验证其有效性。

Journal ref International Conference on Learning Representations (ICLR) 2025

Few for Many: Tchebycheff Set Scalarization for Many-Objective Optimization

少而多：Tchebycheff集标量化方法用于多目标优化

Xi Lin, Yilu Liu, Xiaoyuan Zhang, Fei Liu, Zhenkun Wang, Qingfu Zhang

机构 * City University of Hong Kong（香港城市大学） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 本文提出了一种新的Tchebycheff集标量化方法，通过少量代表性解覆盖大量目标，以高效处理多目标优化问题。

Comments Accepted by the 13th International Conference on Learning Representations (ICLR 2025)