Buchumschlag

Analysis of Dirichlet Energies as Over-smoothing Measures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bison, Anna, Sperduti, Alessandro
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Spectral Interpretation of Redundancy in a Graph Reservoir
von: Bison, Anna, et al.
Veröffentlicht: (2025)

Measuring Over-smoothing beyond Dirichlet energy
von: Guan, Weiqi, et al.
Veröffentlicht: (2025)

IFH: a Diffusion Framework for Flexible Design of Graph Generative Models
von: Cognolato, Samuel, et al.
Veröffentlicht: (2024)

Learning neuro-symbolic convergent term rewriting systems
von: Petruzzellis, Flavio, et al.
Veröffentlicht: (2025)

Unveiling the Actual Performance of Neural-based Models for Equation Discovery on Graph Dynamical Systems
von: Cappi, Riccardo, et al.
Veröffentlicht: (2025)

A tree-based kernel for graphs with continuous attributes
von: Martino, Giovanni Da San, et al.
Veröffentlicht: (2015)

Assessing the Emergent Symbolic Reasoning Abilities of Llama Large Language Models
von: Petruzzellis, Flavio, et al.
Veröffentlicht: (2024)

From Text to Talent: A Pipeline for Extracting Insights from Candidate Profiles
von: Frazzetto, Paolo, et al.
Veröffentlicht: (2025)

Iterative In-Context Learning to Enhance LLMs Abstract Reasoning: The Case-Study of Algebraic Tasks
von: Fioravanti, Stefano, et al.
Veröffentlicht: (2025)

Beyond Over-smoothing: Uncovering the Trainability Challenges in Deep Graph Neural Networks
von: Peng, Jie, et al.
Veröffentlicht: (2024)

Data Imputation from the Perspective of Graph Dirichlet Energy
von: Zhang, Weiqi, et al.
Veröffentlicht: (2023)

Mamba-Based Graph Convolutional Networks: Tackling Over-smoothing with Selective State Space
von: He, Xin, et al.
Veröffentlicht: (2025)

Understanding and Mitigating Bottlenecks of State Space Models through the Lens of Recency and Over-smoothing
von: Wang, Peihao, et al.
Veröffentlicht: (2024)

Penalizing Localized Dirichlet Energies in Low Rank Tensor Products
von: Karakasis, Paris A., et al.
Veröffentlicht: (2026)

Energy Guided smoothness to improve Robustness in Graph Classification
von: Wani, Farooq Ahmad, et al.
Veröffentlicht: (2024)

Generalized Dirichlet Energy and Graph Laplacians for Clustering Directed and Undirected Graphs
von: Sevi, Harry, et al.
Veröffentlicht: (2022)

Exact Computation of Any-Order Shapley Interactions for Graph Neural Networks
von: Muschalik, Maximilian, et al.
Veröffentlicht: (2025)

How Universal Polynomial Bases Enhance Spectral Graph Neural Networks: Heterophily, Over-smoothing, and Over-squashing
von: Huang, Keke, et al.
Veröffentlicht: (2024)

Tackling Over-smoothing on Hypergraphs: A Ricci Flow-guided Neural Diffusion Approach
von: Zhou, Mengyao, et al.
Veröffentlicht: (2026)

Better Not to Propagate: Understanding Edge Uncertainty and Over-smoothing in Signed Graph Neural Networks
von: Choi, Yoonhyuk, et al.
Veröffentlicht: (2024)

KrawtchoukNet: A Unified GNN Solution for Heterophily and Over-smoothing with Adaptive Bounded Polynomials
von: Goksu, Huseyin
Veröffentlicht: (2025)

LaguerreNet: Advancing a Unified Solution for Heterophily and Over-smoothing with Adaptive Continuous Polynomials
von: Goksu, Huseyin
Veröffentlicht: (2025)

TINED: GNNs-to-MLPs by Teacher Injection and Dirichlet Energy Distillation
von: Zhou, Ziang, et al.
Veröffentlicht: (2024)

Cross-Space Adaptive Filter: Integrating Graph Topology and Node Attributes for Alleviating the Over-smoothing Problem
von: Huang, Chen, et al.
Veröffentlicht: (2024)

From Coupled Oscillators to Graph Neural Networks: Reducing Over-smoothing via a Kuramoto Model-based Approach
von: Nguyen, Tuan, et al.
Veröffentlicht: (2023)

To smooth a cloud or to pin it down: Guarantees and Insights on Score Matching in Denoising Diffusion Models
von: Vargas, Francisco, et al.
Veröffentlicht: (2023)

Fast and Efficient Gossip Algorithms for Robust and Non-smooth Decentralized Learning
von: van Elst, Anna, et al.
Veröffentlicht: (2026)

Hierarchical mixture of discriminative Generalized Dirichlet classifiers
von: Togban, Elvis, et al.
Veröffentlicht: (2024)

Nearest Neighbor Dirichlet Mixtures
von: Chattopadhyay, Shounak, et al.
Veröffentlicht: (2020)

DirMoE: Dirichlet-routed Mixture of Experts
von: Vahidi, Amirhossein, et al.
Veröffentlicht: (2026)

Vectorized Bayesian Inference for Latent Dirichlet-Tree Allocation
von: Wang, Zheng, et al.
Veröffentlicht: (2026)

Position: Don't be Afraid of Over-Smoothing And Over-Squashing
von: Kormann, Niklas, et al.
Veröffentlicht: (2026)

Spectral bandits for smooth graph functions
von: Valko, Michal, et al.
Veröffentlicht: (2026)

FastPart: Over-Parameterized Stochastic Gradient Descent for Sparse optimisation on Measures
von: De Castro, Yohann, et al.
Veröffentlicht: (2023)

A Unified Framework for Neural Computation and Learning Over Time
von: Melacci, Stefano, et al.
Veröffentlicht: (2024)

Optimizing Chain-of-Thought Confidence via Topological and Dirichlet Risk Analysis
von: More, Abhishek, et al.
Veröffentlicht: (2025)

Ensemble-Based Dirichlet Modeling for Predictive Uncertainty and Selective Classification
von: Franzen, Courtney, et al.
Veröffentlicht: (2026)

Online learning of smooth functions on $\mathbb{R}$
von: Geneson, Jesse, et al.
Veröffentlicht: (2026)

Convergence Analysis of Natural Gradient Descent for Over-parameterized Physics-Informed Neural Networks
von: Xu, Xianliang, et al.
Veröffentlicht: (2024)

On the Convergence Analysis of Over-Parameterized Variational Autoencoders: A Neural Tangent Kernel Perspective
von: Wang, Li, et al.
Veröffentlicht: (2024)