Краткое содержание

arXiv:2511.13729v1 Тип объявления: кросс Аннотация: Графовые нейронные сети (GNN), основанные на спектральных фильтрах, такие как класс адаптивных ортогональных полиномиальных фильтров (AOPF) (например, LaguerreNet), показали перспективность в объединении решений для гетерофилии и переупрощения. Однако эти модели с одним фильтром страдают от проблемы «компромисса», поскольку их единственный адаптируемый параметр (например, альфа) должен обучаться субоптимальному усредненному отклику по всему спектру графа. В данной работе мы предлагаем DualLaguerreNet — новую архитектуру GNN, которая решает эту проблему путем введения «Разделенной спектральной гибкости». DualLaguerreNet разделяет лапласиан графа на два оператора: L_low (низкочастотный) и L_high (высокочастотный) и изучает два независимых адаптивных фильтра Лагерра, параметризованных соответственно параметрами alpha_1 и alpha_2. Тем не менее, данная работа выявляет более глубокое открытие. Хотя наши эксперименты показывают, что гибкость DualLaguerreNet позволяет ему достигать результатов мирового уровня на сложных гетеро...