Johns Hopkins University（约翰斯·霍普金斯大学）

On the Rademacher Complexity of Graph Neural Networks: Unifying Expressivity and Geometry

图神经网络的拉德马赫复杂度：统一表达性与几何

Martin Carrasco, Caio F. Deberaldini Netto, Vahan A. Martirosyan, Ehimare Okoyomon, Caterina Graziani

机构 * University of Fribourg（弗里堡大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； Université Paris-Saclay（巴黎萨克雷大学） ； University of Ferrara（费拉拉大学） ； Technical University of Munich（慕尼黑技术大学） ； University of Siena（锡耶纳大学） 纠错

AI总结 该研究针对图神经网络（GNNs）泛化与表达性的权衡，采用依赖数据的经验拉德马赫复杂度，推导结合GNN表达力与输入空间几何的紧泛化界，扩展至任意GNN架构，助力GNN泛化统一理论构建。