研究人员已经证明，Weisfeiler-Leman (WL) 测试，一种图同构测试的常用方法，对于具有简单谱的图是不完备的。这一局限性延伸到依赖于 WL 层次结构的图神经网络 (GNN)。为了解决这个问题，开发了一种名为 PRiSM 的新方法，该方法为简单谱特征分解提供了可证明的完整规范化。当与 DeepSets 或 Transformers 等模型集成时，PRiSM 能够在此类图上实现通用近似。 AI
影响 这项研究通过为特定类型的图提供完整的规范化方法，有望带来更强大、更准确的图神经网络。
排序理由 该集群包含一篇学术论文，详细介绍了图论中的一种新方法和理论发现及其在 GNN 中的应用。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.23446v1 Announce Type: new Abstract: Graphs with a simple spectrum admit cubic-time isomorphism testing, yet we prove that for every natural number $k$, the $k$-Weisfeiler-Leman ($k$-WL) test cannot distinguish all non-isomorphic graphs with a simple spectrum. As the W…
Graphs with a simple spectrum admit cubic-time isomorphism testing, yet we prove that for every natural number $k$, the $k$-Weisfeiler-Leman ($k$-WL) test cannot distinguish all non-isomorphic graphs with a simple spectrum. As the WL hierarchy upper-bounds the distinguishing powe…