A Topological Characterization of Graph Neural Networks via Stochastic Block Model Embeddings on the n-Sphere

En 3 lignesFramework topologique pour comparer les GNNs entraînés en mappant les Stochastic Block Models sur la sphère n-dimensionnelle. Utilise la compacité de l'espace graphon, le lemme de régularité faible de Frieze-Kannan et la continuité Lipschitz des MPNNs. Produit une « empreinte » de faible dimension pour la recherche de candidats de transfer-learning sans réentraînement.

Résumé généré par Claude — vérifié par l'humain