Nan Yin, Mengzhu Wan, Li Shen, Hitesh Laxmichand Patel, Baopu Li, Bin Gu, Huan Xiong
개요
본 논문은 연속 그래프 신경망(CGNNs)의 높은 계산 비용 문제를 해결하기 위해, 에너지 효율적인 스파이킹 신경망(SNNs)을 통합한 새로운 연속 스파이킹 그래프 신경망(COS-GNN)을 제안합니다. COS-GNN은 각 시간 단계에서 SNNs를 사용하여 그래프 노드를 표현하고, 이를 시간과 함께 ODE 프로세스에 통합합니다. 정보 손실을 줄이기 위해 2차 ODE를 사용하는 고차 구조를 도입하며, 폭주 및 소멸 기울기 문제를 완화하여 장거리 노드 간 의존성을 효과적으로 포착할 수 있음을 이론적으로 증명합니다. 실험 결과는 다양한 그래프 기반 학습 작업에서 COS-GNN의 우수성을 보여줍니다.
