Robert R Nerem

新框架详细说明了图神经网络可以学习的算法

研究人员开发了一个理论框架，用于理解图神经网络（GNN）在学习离散算法方面的能力。该框架确立了GNN，特别是消息传递神经网络（MPNN），可以从小型训练集中学习算法并泛化到更大输入的条件。研究确定了单源最短路径和最小生成树等算法可被MPNN学习，同时也证明了标准MPNN无法学习某些其他算法任务。该工作进一步提出了更具表现力的MPNN类架构来克服这些限制，并改进了Bellman-Ford算法的分析，减少了所需的训练数据。