Buchumschlag

Oversmoothing, Oversquashing, Heterophily, Long-Range, and more: Demystifying Common Beliefs in Graph Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Arnaiz-Rodriguez, Adrian, Errica, Federico
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Complexity of Optimal Graph Rewiring for Oversmoothing and Oversquashing in Graph Neural Networks
von: Chehreghani, Mostafa Haghir
Veröffentlicht: (2026)

Hierarchical Multi-Scale Graph Neural Networks: Scalable Heterophilous Learning with Oversmoothing and Oversquashing Mitigation
von: Hossen, Md Sazzad, et al.
Veröffentlicht: (2026)

Adaptive Message Passing: A General Framework to Mitigate Oversmoothing, Oversquashing, and Underreaching
von: Errica, Federico, et al.
Veröffentlicht: (2023)

Tractable Probabilistic Graph Representation Learning with Graph-Induced Sum-Product Networks
von: Errica, Federico, et al.
Veröffentlicht: (2023)

Short-Range Oversquashing
von: Mishayev, Yaaqov, et al.
Veröffentlicht: (2025)

Oversmoothing: A Nightmare for Graph Contrastive Learning?
von: Li, Jintang, et al.
Veröffentlicht: (2023)

Learn to Jump: Adaptive Random Walks for Long-Range Propagation through Graph Hierarchies
von: Mathys, Joël, et al.
Veröffentlicht: (2025)

Deeper with Riemannian Geometry: Overcoming Oversmoothing and Oversquashing for Graph Foundation Models
von: Sun, Li, et al.
Veröffentlicht: (2025)

Are We Measuring Oversmoothing in Graph Neural Networks Correctly?
von: Zhang, Kaicheng, et al.
Veröffentlicht: (2025)

Resurrecting Label Propagation for Graphs with Heterophily and Label Noise
von: Cheng, Yao, et al.
Veröffentlicht: (2023)

HeterSEED: Semantics-Structure Decoupling for Heterogeneous Graph Learning under Heterophily
von: Li, Xinyi, et al.
Veröffentlicht: (2026)

Oversmoothing Alleviation in Graph Neural Networks: A Survey and Unified View
von: Jin, Yufei, et al.
Veröffentlicht: (2024)

Adaptive Heterogeneous Graph Neural Networks: Bridging Heterophily and Heterogeneity
von: Chen, Qin, et al.
Veröffentlicht: (2025)

Modeling Heterophily in Multiplex Graphs: An Adaptive Approach for Node Classification
von: Abdous, Kamel, et al.
Veröffentlicht: (2026)

Tackling Oversmoothing in GNN via Graph Sparsification: A Truss-based Approach
von: Hossain, Tanvir, et al.
Veröffentlicht: (2024)

Cross-attentive Cohesive Subgraph Embedding to Mitigate Oversquashing in GNNs
von: Hossain, Tanvir, et al.
Veröffentlicht: (2026)

Graph Negative Feedback Bias Correction Framework for Adaptive Heterophily Modeling
von: Lv, Jiaqi, et al.
Veröffentlicht: (2026)

DiRW: Path-Aware Digraph Learning for Heterophily
von: Su, Daohan, et al.
Veröffentlicht: (2024)

Not All Layers Are Created Equal: Adaptive LoRA Ranks for Personalized Image Generation
von: Shenaj, Donald, et al.
Veröffentlicht: (2026)

A Dynamical Systems-Inspired Pruning Strategy for Addressing Oversmoothing in Graph Neural Networks
von: Chakraborty, Biswadeep, et al.
Veröffentlicht: (2024)

Adaptive Width Neural Networks
von: Errica, Federico, et al.
Veröffentlicht: (2025)

Towards Quantifying Long-Range Interactions in Graph Machine Learning: a Large Graph Dataset and a Measurement
von: Liang, Huidong, et al.
Veröffentlicht: (2025)

Disentangling Homophily and Heterophily in Multimodal Graph Clustering
von: Guo, Zhaochen, et al.
Veröffentlicht: (2025)

When Heterophily Meets Heterogeneous Graphs: Latent Graphs Guided Unsupervised Representation Learning
von: Shen, Zhixiang, et al.
Veröffentlicht: (2024)

Demystifying Data-Driven Probabilistic Medium-Range Weather Forecasting
von: Kossaifi, Jean, et al.
Veröffentlicht: (2026)

A Survey on Learning from Graphs with Heterophily: Recent Advances and Future Directions
von: Gong, Chenghua, et al.
Veröffentlicht: (2024)

The Disparate Benefits of Deep Ensembles
von: Schweighofer, Kajetan, et al.
Veröffentlicht: (2024)

Long-Range Graph Wavelet Networks
von: Guerranti, Filippo, et al.
Veröffentlicht: (2025)

Revisiting Graph-Based Fraud Detection in Sight of Heterophily and Spectrum
von: Xu, Fan, et al.
Veröffentlicht: (2023)

Oversmoothing as Representation Degeneracy in Neural Sheaf Diffusion
von: Dönmez, Arif, et al.
Veröffentlicht: (2026)

Graph Hierarchical Recurrence for Long-Range Generalization
von: Carotti, Stefano, et al.
Veröffentlicht: (2026)

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger
von: Sun, Li, et al.
Veröffentlicht: (2026)

Belief or Circuitry? Causal Evidence for In-Context Graph Learning
von: Kowalyshyn, Katharine, et al.
Veröffentlicht: (2026)

On Measuring Long-Range Interactions in Graph Neural Networks
von: Bamberger, Jacob, et al.
Veröffentlicht: (2025)

Demystifying Oversmoothing in Attention-Based Graph Neural Networks
von: Wu, Xinyi, et al.
Veröffentlicht: (2023)

Introduction to Graph Neural Networks for Machine Learning Engineers
von: Tanis, James H., et al.
Veröffentlicht: (2024)

Demystifying Chains, Trees, and Graphs of Thoughts
von: Besta, Maciej, et al.
Veröffentlicht: (2024)

Demystifying the Recency Heuristic in Temporal-Difference Learning
von: Daley, Brett, et al.
Veröffentlicht: (2024)

SpoT-Mamba: Learning Long-Range Dependency on Spatio-Temporal Graphs with Selective State Spaces
von: Choi, Jinhyeok, et al.
Veröffentlicht: (2024)

Laplacian-LoRA: Delaying Oversmoothing in Deep GCNs via Spectral Low-Rank Adaptation
von: Alisetti, Sai Vamsi
Veröffentlicht: (2026)