Buchumschlag

Which Algorithms Can Graph Neural Networks Learn?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wittig, Solveig, Vasileiou, Antonis, Nerem, Robert R., Stoll, Timo, Geerts, Floris, Wang, Yusu, Morris, Christopher
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Data Structures and Algorithms Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Covered Forest: Fine-grained generalization analysis of graph neural networks
von: Vasileiou, Antonis, et al.
Veröffentlicht: (2024)

Learning to Approximate Uniform Facility Location via Graph Neural Networks
von: Qian, Chendi, et al.
Veröffentlicht: (2026)

Multi-Neuron Representations of Hierarchical Concepts in Spiking Neural Networks
von: Lynch, Nancy A.
Veröffentlicht: (2024)

Convergence and Running Time of Time-dependent Ant Colony Algorithms
von: Manthey, Bodo, et al.
Veröffentlicht: (2025)

A Scalable Trie Building Algorithm for High-Throughput Phyloanalysis of Wafer-Scale Digital Evolution Experiments
von: Singhvi, Vivaan, et al.
Veröffentlicht: (2025)

Biased Pareto Optimization for Subset Selection with Dynamic Cost Constraints
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2024)

Abstraction in Neural Networks
von: Lynch, Nancy
Veröffentlicht: (2024)

Hyper-Heuristics Can Profit From Global Variation Operators
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Training Neural Networks is NP-Hard in Fixed Dimension
von: Froese, Vincent, et al.
Veröffentlicht: (2023)

Convergence Analysis for Deep Sparse Coding via Convolutional Neural Networks
von: Li, Jianfei, et al.
Veröffentlicht: (2024)

Selection Hyper-heuristics Can Automatically Adjust the Learning Period to Optimally Solve Pseudo-Boolean Problems
von: Doerr, Benjamin, et al.
Veröffentlicht: (2026)

ReLU Neural Networks of Polynomial Size for Exact Maximum Flow Computation
von: Hertrich, Christoph, et al.
Veröffentlicht: (2021)

Predictive Spike Timing Enables Distributed Shortest Path Computation in Spiking Neural Networks
von: Storesund, Simen, et al.
Veröffentlicht: (2025)

The Runtime of Random Local Search on the Generalized Needle Problem
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Speeding Up Hyper-Heuristics With Markov-Chain Operator Selection and the Only-Worsening Acceptance Operator
von: Bendahi, Abderrahim, et al.
Veröffentlicht: (2025)

How the Move Acceptance Hyper-Heuristic Copes With Local Optima: Drastic Differences Between Jumps and Cliffs
von: Doerr, Benjamin, et al.
Veröffentlicht: (2023)

Fourier Analysis Meets Runtime Analysis: Precise Runtimes on Plateaus
von: Doerr, Benjamin, et al.
Veröffentlicht: (2023)

Runtime Analysis for the NSGA-II: Provable Speed-Ups From Crossover
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Classical Sorting Algorithms as a Model of Morphogenesis: self-sorting arrays reveal unexpected competencies in a minimal model of basal intelligence
von: Zhang, Taining, et al.
Veröffentlicht: (2023)

Graph neural networks extrapolate out-of-distribution for shortest paths
von: Nerem, Robert R., et al.
Veröffentlicht: (2025)

A First Runtime Analysis of the NSGA-II on a Multimodal Problem
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

Local search for valued constraint satisfaction parameterized by treedepth
von: Kaznatcheev, Artem
Veröffentlicht: (2024)

Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study
von: Dahan, Anat, et al.
Veröffentlicht: (2026)

Differentiable Extensions with Rounding Guarantees for Combinatorial Optimization over Permutations
von: Nerem, Robert R., et al.
Veröffentlicht: (2024)

Weisfeiler-Leman at the margin: When more expressivity matters
von: Franks, Billy J., et al.
Veröffentlicht: (2024)

On the Complexity of Neural Computation in Superposition
von: Adler, Micah, et al.
Veröffentlicht: (2024)

Correlation Clustering and (De)Sparsification: Graph Sketches Can Match Classical Algorithms
von: Assadi, Sepehr, et al.
Veröffentlicht: (2025)

Adaptive Fully Dynamic $k$-Center Clustering with (Near-)Optimal Worst-Case Guarantees
von: Grilnberger, Mara, et al.
Veröffentlicht: (2026)

Are Graph Neural Networks Optimal Approximation Algorithms?
von: Yau, Morris, et al.
Veröffentlicht: (2023)

Sampling from the Sherrington-Kirkpatrick Gibbs measure via algorithmic stochastic localization
von: Alaoui, Ahmed El, et al.
Veröffentlicht: (2022)

Incremental (k, z)-Clustering on Graphs
von: Cruciani, Emilio, et al.
Veröffentlicht: (2026)

Space-Efficient Parameterized Algorithms on Graphs of Low Shrubdepth
von: Bergougnoux, Benjamin, et al.
Veröffentlicht: (2023)

Accelerating Graph Neural Networks with a Novel Matrix Compression Format
von: Alves, João N. F., et al.
Veröffentlicht: (2024)

Faster Algorithms for Graph Monopolarity
von: Philip, Geevarghese, et al.
Veröffentlicht: (2024)

Pointwise Lipschitz Continuous Graph Algorithms
von: Liu, Quanquan C., et al.
Veröffentlicht: (2024)

Succinct Graph Representations and Algorithmic Applications
von: Ullah, Ahammed, et al.
Veröffentlicht: (2026)

Smoothed Analysis of Dynamic Graph Algorithms
von: Meir, Uri, et al.
Veröffentlicht: (2025)

Noise tolerance via reinforcement in the quantum search problem
von: Homayouni-Sangari, Marjan, et al.
Veröffentlicht: (2026)

Performance report of heuristic algorithm that cracked the largest Gset Ising problems (G81 cut=14060)
von: Zick, Kenneth M.
Veröffentlicht: (2025)

Graph-Based Algorithms for Diverse Similarity Search
von: Anand, Piyush, et al.
Veröffentlicht: (2025)