oversmoothing

本文引入了一个通用层方程，将图神经网络统一为七个组件，从而实现架构比较、理论分析，并对过平滑和表达能力等问题提供见解。

本文介绍了 HouseGNN，一种使用 Householder 反射和 GroupSort 来解决过度平滑问题的图神经网络，证明了每一层都保持节点级别的欧几里得范数，并展示了在深度增加时改进的行为。

本文从动力系统视角研究超图神经网络中的过平滑问题，提出了一种反应-扩散框架(HNRD)，该框架保留节点判别性变异并实现深度鲁棒传播。实验表明，该框架相比基线方法有一致改进。

本文利用箭图理论和几何不变量理论，分析了神经丛扩散（NSD）中的过度平滑现象，将其视为一种表示退化。文章提出了受矩映射启发的正则化方法，并探讨了在非均匀丛维数下缓解异质图基准测试中该问题的可能性。

本文介绍了 HMH，这是一种分层多尺度图神经网络框架，旨在解决异配图中的过平滑和过挤压问题。它利用基于 Haar 小波基的谱滤波器，实现了可扩展的学习，并在节点和图分类任务上取得了更好的性能。