多项式图滤波器在长程伊辛模型基准上的谱极限研究

研究证明以邻接矩阵多项式为滤波器的图神经网络在长程伊辛模型（LRIM）基准上存在无法通过增加多项式阶数消除的误差下限，因其在目标变化的谱等值集上取常数。具有约 50 个系数的跨步滤波器（strided filter）拟合训练标签后，测试误差比已发表最优网络低 52 倍。空洞卷积网络在 256 节点处超越已发表最优结果并在 1024 节点处持平，而标准模式的傅里叶神经算子随着网格增大差距进一步拉大。